1.DeepLab v1
論文:Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs
- Deeplab v1主體結構是參照VGG改造的。
- deeplab = 優化後的CNN+傳統的CRF模型,CNN輸出粗糙的分割結果,全連接CRF精化分割結果。
- 新的上採樣卷及方案:帶孔的空洞卷積
文章微調了VGG16的預訓練模型,把1000-way的ImageNet分類器替換爲21-way(pascal voc的類別)。使用交叉熵損失函數,把下采樣8倍的輸出特徵圖與Ground Truth做交叉熵。使用SGD來優化。
pool4和pool5的stride從2變爲1,因此輸出的feature map是原來的四倍,是原圖的1/8。
conv5採用hole=2的空洞卷積,fc層使用hole=4的空洞卷積。最後上採樣8倍,再送入全連接CRF。
參考:https://blog.csdn.net/longxinghaofeng/article/details/85258124
2.DeepLab v2
-
3 challenges in DCNNs to segmatic image segmentation:
- 1.reduced feature resolution 傳統分類CNN網絡中連續的池化和降採樣將導致空間分辨率明顯下降
DeepLab v2使用Atrous Convolution 代替原來上採樣的方法,比之前得到更高像素的score map,並且增加了感受野的大小 - 2.existance of objects at multiple scales 多尺度目標
在給定特徵層使用不同的採樣率進行重採樣,使用具有不同採樣率的平行atrous卷積層實現(ASPP)
- 3.reduce localization accuracy due to DCNN invariance DCNN的不變性,導致定位準確率下降
使用全連接的條件隨機場,利用低層的細節信息對分類的局部特徵進行優化。
- 1.reduced feature resolution 傳統分類CNN網絡中連續的池化和降採樣將導致空間分辨率明顯下降
-
ASPP:帶孔的空間金字塔池化(astrous spatial pyramid pooling)
Two efficient ways to perform atrous conv:
First, unsample the filters by inserting holes(zeros)
Second, subsampling the input feature map by a factor equal to atrous rate r
- LargeFOV 空洞卷積r=12,baseline
- ASPP-S 使用四個較小的空桶卷積,r分別爲2,4,8,12。在CRF之後LargeFOV和ASPP-S效果差不多。
- ASPP-L 使用四個較大的空洞卷積,r分別爲6,12,18,24 。效果比baseline要好,達到了72.6%
-
使用VGG16和ResNet101實驗,證明ResNet效果好。下表爲在Cityscapes上的檢測率: