Deeplab v3+
最近一直在鼓捣语义分割,感觉这玩意确实是CV上的高级任务,确实有用。
Deeplab V3+,主要由三部分组成:
- backbone
resnet, mobilenet, drn,xception等。然后这儿会引出一个low-level features 和一个output。需注意这里会有一个output-stride的差别,主要在于有没有更多的stride=2的结构。 - aspp,空洞空间卷积池化金字塔(atrous spatial pyramid pooling (ASPP)
就是用不同种类的空洞卷积形成特征图,然后降至concatenate起来。 - decoder
就是把aspp输出的featuremaps 和 backbone抽取的底层特征,再concatenate起来,让后上采样到原图像的值。做了插值操作。
另,感觉tensorflow的官方版本设计存在一些问题,仅接受513 x 513以及以下的输入,按网络设计而言基本不涉及图像尺寸问题,这个确实不应该发生,所用的pytorch版本就没有这个问题。