DeepLabv1网路介绍

模型创新点

在论文引言中，作者提出了目前语义分割存在的问题，并且给出了解决办法：

• 下采样会导致我们图像空间分辨率降低——解决办法 使用膨胀卷积

• 目前语义分割网络基本都是采用CNN网络作为主干网络，但是CNN网络主要适用于目标检测任务，具有空间不变性，也就是图像旋转或者平移，都能够识别出图像中的目标，但是语义分割和图像识别不同，图像中的物体稍微平移一点，对应的像素也会变化

 针对上述问题，DeepLabv1提出了两个创新点：

CRF可以解决空间不变性问题，但是目前已经不怎么使用了，DeepLabv3之后就不使用了

DeepLabv1优势

下面是DeepLabv1的优势：

MSc（Mutil-Scale）结构

下面在主要介绍DeepLabv1中的MSc结构：

MSc主要是用来融合多个尺度的信息

将输入原图的数据和前四个maxpooling层输出的数据和最后输出进行融合

虽然MSc能够提高识别准确率，但是会降低推理速度，增大训练缓存，因此不推荐

 下面是更加详细的示意图：