deeplab系列：deeplabv2语义分割算法解析

Deeplabv2算法介绍

Deeplab系列算法一直都在语义分割领域占有重要地位！目前Deeplab全系列分为deeplabv1、deeplabv2、deeplabv3、deeplabv3+四部曲。
这一部分主要介绍deeplabv2，发表于2017。

网络结构解析

网络组成：
主干网络：Dilated ResNet
Dilated Conv：ASPP Module
全连接的条件场

网络结构图如下：

作者认为最大池化下采样会对最终分割造成不利的影响，因此去掉最后两个Maxpooling，最底层特征图为8倍下采样。
那如何扩大原有最大池化层所带来的感受野呢？
作者采用空洞卷积代替原有的Max pooling层，用更高的采样密度计算特征。

受PSPNet启发，利用不同扩张率的的扩张卷积组合并行采样，捕捉多个比例的上下文信息。
下面是ASPP结构图：

有人可能疑问，如何保证经过不同扩张卷积后尺寸依然保持64×64？
根据扩张率大小利用padding补零保证尺寸不变。

全连接条件随机场(CRF)就不展开了，往后的DeepLab系列就不再使用，没啥效果。

差不多就是以上的内容，有些细节我就省略了，比如Stem等等。
补充一下，训练的时候得到的特征图是八倍下采样的，然后将label也下采样八倍，计算Loss。不过后面就不怎么搞了。