Google最新语义图像分割模型DeepLab-v3+

paper地址: https://arxiv.org/abs/1802.02611
GitHub 地址：https://github.com/tensorflow/models/tree/master/research/deeplab

摘要：深度神经网络使用空间金字塔池化模块或编码器-解码器结构执行语义分割任务。前者通过在多个 rate、多个有效视野上用滤波器探测输入特征或执行池化操作，来编码多尺度的上下文信息；后者通过逐渐恢复空间信息来捕捉更加精细的目标边界。在这项研究中，我们将二者的优势结合起来。具体来说，我们通过添加一个简单有效的解码器模块以精炼分割结果（尤其是目标边界），将 DeepLab-v3 扩展为本文提出的新模型 DeepLab-v3+。我们进一步探索了 Xception 模型，并将深度可分卷积应用到金字塔型的空洞池化（ASPP）和解码器模块上，以得到更快更强大的编码器-解码器网络。我们在 PASCAL VOC 2012 语义图像分割数据集上证明了该模型的有效性，在没有任何后处理的情况下该模型达到了 89% 的准确率。

参考： https://www.jiqizhixin.com/articles/2018-03-13-3