DeepLab v3最先进的图形分割网络学习

导言：Deeplab家族自兴起以来，一直走在计算机视觉领域中图像分割问题的前端。从DeepLabv1->DeepLabv2->DeepLabv3->DeepLabv3+,一直在不断发展中。下面我将从每一个网络的创新之处开始讲解每次升级后的优越性，并以DeepLabv3+为例，讲解图形分割网络的流程。（图像均来自网络，该记录帖学习用）

1.DeepLabv1的真正创新：

Atrous卷积--空洞卷积；完全连接条件随机场(CRF)的模块进一步完善分割蒙版

如图，前一个是传统卷积，后一个是我们的空洞卷积，卷积参数仍然是9个，但是感受野的范围扩大成5*5。

空洞卷积的好处：

1.图形分割任务中需要较大感受野更好完成任务。

2.通过设置dilation rate参数来完成空洞卷积，并没有额外计算

 

3.应用简单，即卷积层多设置一个参数就可以了。

 2.DeepLabv2的真正创新：

添加Atrous空间金字塔池(ASPP)并将ResNet作为骨干网络

SSP层介绍：

如上图，输入图片被3种尺寸进行卷积，并将三种卷积拼接成一个特征图。 

ASSP：跟SPP差不多，只不过引入了不同倍率的空洞卷积。如下：

3.DeepLabv3

3及之后的版本：删除了CRF。