语义分割
semantic segmentation
从像素层次来识别图像;为图像中的每个像素指定类别标记
图像分割定义:根据某些规则将图片分成若干个特定,具有独特性质的区域,并抽取感兴趣的目标。
语义分割任务表达
Mask(掩膜):覆盖预测单个通道,表示图像中存在特定类别的区域(像素级类别标记)
空洞卷积/膨胀卷积
定义:在卷积核中插入零元素,对卷积核上采样,可避免池化层引起的信息损失
随着步长的改变,感受野呈指数增长,参数数量呈线性增长
作用:增大网络感受野,减少特征图像尺寸的损失
例:
DeepLabv3
采用预训练的ResNet-50, 或ResNet-101来提取特征
修改第4个残差块,采用膨胀卷积(模块内的三个卷积采用不同的膨胀率)
加入image-level的ASPP
论文
4种解决目标多尺度问题的结构
Image Pyramid:图像金字塔
将不同尺度图片进行特征提取,再进行图像融合
Encoder-Decoder:编码-解码框架
先进行Encoder特征图变小,再Decoder上采样特征图变大
Deeper w. Atrous Convolution:采用不同尺度的膨胀卷积
Spatial Pyramid Pooling:空间金字塔池化
利用不同尺度的卷积核进行多尺度特征提取,再进行融合
采用级联模块和带孔卷积提取多尺度信息
串行的空洞卷积模型
并行的空洞卷积模型
修改第4个残差块,采用膨胀卷积(模块内的三个卷积采用不同的膨胀率)
DeepLabv3+
Deep Labelling for Semantic Image Segmentation
论文
encoder-decoder结构
先进行下采样得到中间的特征图,下采样包括池化和带步长的卷积。
上采样操作包含去池化双线性插值以及带步长的反卷积操作。
DeepLabv3+中的Encoder-Decoder结构
深度可分离卷积(Depthwise separable convolution)
修改后的xception模型
Xception架构是具有残差连接的深度可分离卷积层的线性堆叠
以下是进过改进的模型