【论文笔记-semantic segmentation】deeplabv3+

deeplab_v3+设计了一种新的encoder-decoder结构

• encoder：deeplab_v3+使用deeplab_v3的结构作为encoder, encoding之后得到size = 1/16 input size的feature map
• decoder：以前的方法直接设计一个16倍的比linear upsampling layer作为decoder。在这里，我们首先对encoder的输出进行4倍的linearly upsampling。然后，我们从encoder部分提取同样size的feature map（low-level feature）和当前的feature map拼接。当然，这里我们先对low-level feature用1x1卷积进行降维，防止网络认为它的重要性超过encoder提取的丰富的语义信息，同时降低训练的复杂度。最后我们使用少量的3x3的conv进行refine 并再次进行4倍的linearly upsampling得到输出。