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。