Deep Lab 系列总结

• Deep Lab v1  

结合了深度卷积神经网络（DCNNs）和概率图模型（Dense CRFs）的方法

1. 问题1：DCNN s做语义分割时精准度不够，根本原因是DCNNs的高级特征的平移不变性，即高层次特征映射，根源于重复的池化和下采样。
2. 改进1：采用Atrous（带孔）算法扩展感受野，获取更多的上下文信息
3. 问题2：分类器获取以对象中心的决策是需要空间变换的不变性，这天然地限制了DCNN的定位精度
4. 改进2：采用完全连接的条件随机场（CRF）提高模型捕获细节的能力

• Deep Lab v2

DeepLab1的问题：特征分辨率的降低、物体存在多尺度、DCNN的平移不变性

1. 问题1：DCNN连续池化和下采样造成分辨率降低