- 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
- 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。
- 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
- 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
- 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
- 问题1:DCNN连续池化和下采样造成分辨率降低