SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONAL NETS AND FULLY CONNECTED CRFS

使用深度卷积网络和全连接的CRFs进行语义图像的分割

CRF-条件随机场  Liang-Chieh Chen 加州大学洛杉矶分校

摘要

深度卷积神经网络（DCNNs）最近已经在高水平的视觉任务中展示出了最先进的表现，例如图像分类和目标检测。这项工作汇集了来自DCNNs和概率图模型的方法，为了解决像素级分类的任务（也叫作语义级图像分割）。我们展示了深度卷积网络（DCNNs）的最后一层不足够能定位为了精确的物体的分割。这是由于不变的属性使得深度卷积网络（DCNNs）对高水平的任务更好。我们克服了这种深度网络的不良定位的属性，通过结合了DCNN最后一层的反应和一个全连接的条件随机场。定性地说，我们的DeepLab系统能够以超出以往精度方法的水平去定位分段的边界。定量地说，我们的方法在PASCAL VOC2012语义图像分割任务中设定了一个新的先进的技术，使得在测试集上的精度达到了71.6%IOU。我们展示了这些结果如何能被有效的获得：网络再利用和一个来自小波团体的空洞算法的新颖的应用，可以在一个现代的GPU上以每秒8帧的的响应做稠密的计算。

1 简介

自从LeCun等人以来，深度卷积神经网络（DCNNs）已经成为文档识别的首选，但最近才成为高级视觉的主流研究。在过去的两年里，DCNNs将计算机视觉系统的性能推向了各种高级问题的飙升，包括图像分类、物体检测、细粒度分类等等。在这些作品中一个常见的主题是，DCNNs训练了一种端到端的方式结果要显著地好于使用仔细策划的表示，如SIFT或者HOG特征等。  这种成功能被部分归因于建立了DCNNs定位图像变换的不变性，这也巩固了其学习阶级性提取数据的能力。然而这种不变性对于高级别的视觉任务是理想的，但他却妨碍了低级别的任务，如姿态估计和语义分割，我们想要去精准定位