DeepLabv3:Rethinking Atrous Convolution for Semantic Image Segmentation论文解读

Introduction

这篇文章是DeepLab系列文章的第三篇，也可以说是DeepLabv3. 这篇文章主要是对DeepLab系列的不断改进，在介绍这篇文章之前，我们先来看一下DeepLab系列论文的大致内容。

Dilated Convolution

Dilated Convolution，也可以叫做空洞卷积，最早在文章

Multi-Scale Context Aggregation by Dilated Convolutions

中被应用到分割领域。我们都知道，CNN的一大特点就是具有一定的平移不变性，这种性质对于分类来说大有裨益，但对于分割这种需要找到每个像素标签的dense classification任务来说，这种特性反而会导致我们很难以得到精确的分割结果，因为特征图的某个激活点代表的特征可能实际分布在激活点靠左，也可能分布在靠右。如果我们再往深一点考虑，这种平移不变性是怎么引入的呢？是池化，因为池化的存在，某个局部最大的激活点便会同时出现在池化后的多个位置，在Bengio等人写的DeepLearning一书中对此也有介绍。如果想要解决这个问题，那只需要把池化取消掉，或者把卷积层的步进（stride）全部设为1就好了。但是这样子又会带来两个新的问题：

1. 感受野（Receptive Field）过小

2. 计算量巨大

对于CNN，每一层的感受野都可以通过公式 RFi=RFi−1+(Ker<