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。