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。