deeplabv3架构_语义分割之deeplabv3+

嘿嘿嘿，终于到介里辣。

deeplabv3+:Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

一.网络架构图1.deeplabv3+的网络架构

从上图的网络架构可以看出v3+分为了编码和解码两个模块，因为encoder-decoder架构能够进一步保护物体的边缘信息。

1.Encoder模块

在编码模块，使用的是v3的结构，其中，前面几个block中使用空洞卷积，然后再输出的特征图上使用不同atrous rate并行空洞金字塔池化去提取特征，用concat融合之后，再使用1x1卷积减少通道数。注意encoder的输出特征图的通道数是256。

亮点1：与v3不同的是，这里将空洞卷积和深度分离卷积结合，得到一个atrous separale convolution(也就是把空洞卷积应用在深度分离卷积上)。这种做法的优点在于：在维持相同性能的情况下，深度分离卷积可以大大减小计算复杂度。具体如何减少参数，加快计算可以看该链接：https://mp.weixin.qq.com/s?src=11&timestamp=1564366796&ver=1757&signature=lED4eF9vusZRzG78TWD3EL1VvRtHEcT04pqVP*FuzdDtYy9*f9O9ZBrG-SVvsxkegU8T-Q7vKakX2GUAywjtBgrgtmTaa720O9iDK0vaWVeBNlPlbIxDlayhREw2OMQF&new=1​mp.weixin.qq.com

2.Deconder模块

如图1所示，解码部分结合了high-level和low-level(初始通道是256或512)的信息，对于high-level信息，1x1卷积减少通道数后要进行4倍上采样；而low-level的信息也是通过1x1的卷积去减少其通道数，这两部分都是用了1x1卷积减少通道数，但是通道数更多的还是high-level的信息，因为low-level的信息只是为了解码提供更细节的上下文信息，重点还是在于解码编码的输出。二者结合之后，在用3x3的卷积去提取特征，最后上采样之后输出prediction。值得注意的是，在解码过程中，一共进行2次4倍上采样，说明outputstride=16。(对于图像识别任务，output_stride=32,而在语义分割中，outputstride=16)要将output_stride从32变成16，可以加入空洞卷积和去掉最后一个block中stride的方法(代码中将最后一个block的stride变为1)。

3.Xception

在v3+中以Xception作为主干构架，且对Xception架构进行了改变，以下是改变后的架构：图2.modified Xception架构

在Entry flow是和原来的Xception一样的，但是在middle flow中重复了16次；再者将所有的最大池化层变成带striding的深度分离卷积；最后在3x3的卷积后面都加入了BN层和Relu激励函数。

以下是原始Xception的网络架构，以作参考：图3.Xception的原始结构

到如今，倒也大致了解了它的框架及优点，若要再细致，我该去研究研究一下源码了。我走辣，看完源码再记录，我会回来滴。