论文阅读: 1802.Deeplabv3+
论文阅读: 1802.Deeplabv3+
JNingWei
发布于 2021-12-06 21:42:37
发布于 2021-12-06 21:42:37
1802.02611：Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
- 属于典型的DilatedFCN，它是Google提出的DeepLab系列的第4弹。
创新点
- 在DeepLab v3上的基础上增加了一个Decoder。
- Decoder将底层特征与高层特征进一步融合，提升分割边界准确度。
- 从某种意义上看，DeepLabv3+在DilatedFCN基础上引入了EcoderDecoder的思路。
在这里插入图片描述 - 把backbone从ResNet（DeepLabv3所采用）换成了改进的Xception。
- 改进的Xception主要体现在以下几点：
- 参考MSRA的修改（Deformable Convolutional Networks），增加了更多的层；
- 所有的最大池化层使用stride=2的depthwise separable convolutions替换，这样可以改成空洞卷积；
- 与MobileNet类似，在3x3 depthwise convolution后增加BN和ReLU。
在这里插入图片描述- 使用trimap实验测量模型在分割边界的准确度。计算边界周围扩展频带(称为trimap)内的mIoU。结果如下：
在这里插入图片描述
- 采用改进的Xception网络作为backbone，网络变得更快、分割效果上有一定的提升。
- 作者还尝试了在ASPP中加入深度可分离卷积（depthwise separable convolution），发现在基本不影响模型效果的前提下减少计算量。
- 改进的Xception主要体现在以下几点：
性能
- DeepLabv3+在VOC2012测试集上的取得了很好的分割效果：
在这里插入图片描述
本文参与?腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2021-09-06 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录