1706.05587:Rethinking Atrous Convolution for Semantic Image Segmentation
三大改进点
- 去掉CRF模块。
- 改进了ASPP:
- 相比V2的ASPP增加了1x1的conv以及global avg pooling。
- 对ASPP每个空洞卷积加入了BN层。
- 在级联模块中应用空洞卷积:
-
将空洞卷积应用在最后面的级联模块,框架可以更通用。
-
论文中的级联模块指复制了四份block4,这四份分别使用不同rate的空洞卷积,最终block输出结果:
-
但这种结构效果并没有改进后的ASPP结构好:
-
架构设计
- Encoder的主体是带有空洞卷积的DCNN,可以采用常用的分类网络如ResNet,然后是带有空洞卷积的空间金字塔池化模块(Atrous Spatial Pyramid Pooling, ASPP)),主要是为了引入多尺度信息。(这种架构在DeeplabV3+中被沿用)。
- 对于DeepLabv3,经过ASPP模块得到的特征图的output_stride为8或者16,其经过1x1的分类层后直接双线性插值到原始图片大小,这是一种非常暴力的decoder方法,特别是output_stride=16。然而这并不利于得到较精细的分割结果,故v3+模型中借鉴了EncoderDecoder结构,引入了新的Decoder模块。