deeplabv3架构_语义分割之Deeplabv3

deeplabv1,v2简单了解了一下下，知道v3的串并联两种结构的性能都比它们更优，所以重点放在了v3，过后也会整理v3+的论文知识，有何错误希望大家看到帮助指正哈！感激不尽！

看神经网络的论文，没有看到它的网络架构的话，我总是觉得难啃，所以这篇文章的整理和之前一样，都是先从他的网络架构开始，然后再剥丝抽茧地找里面的细节。那么我要开始辣~

deeplabv3:Rethinking Atrous Convolution for Semantic Image Segmentation

一.串联网络架构

图1.带有空洞卷积的串联模型

上图中output stride表示的是输入图片与输出图片分辨率之比。rate是空洞率。在v3原文中说，该结构是将Resnet的最后一个block（即block4）复制多次且以串联的方式连接，如上图所示就是block5,6,7都是block4的复制品，且它们三者是串联的，且原论文中提到如果串联的block增加，性能也会随之提高。

1.block之内是什么内容？？？

以下是我找来的block的结构，可供参考：