论文阅读: 1802.Deeplabv3+
2023-04-18 13:10:17 时间
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。
- 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。
- 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:
- 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:
相关文章
- EasyCVR对接华为iVS订阅摄像机和用户变更请求接口介绍
- 精选 | 腾讯云CDN内容加速场景有哪些?
- 模块化网络防止基于模型的多任务强化学习中的灾难性干扰
- 用搜索和注意力学习稳健的调度方法
- 用于多变量时间序列异常检测的学习图神经网络
- 助力政企自动化自然生长,华为WeAutomate RPA是怎么做到的?
- 使用腾讯轻量云搭建Fiora聊天室
- TSRC安全测试规范
- 云计算“功守道”
- 助力成本优化,腾讯全场景在离线混部系统Caelus正式开源
- Flink 利器:开源平台 StreamX 简介
- 腾讯云实践 | 一图揭秘腾讯碳中和?解决方案
- 深度学习中的轻量级网络架构总结与代码实现
- 信息系统项目管理师(高项复习笔记三)
- Adobe国际认证让科技赋能时尚
- c++该怎么学习(面试吃土记)
- 面试官问发布订阅模式是在问什么?
- 面试官:请实现一个通用函数把 callback 转成 promise
- 空中悬停、翻滚转身、成功着陆,我用强化学习「回收」了SpaceX的火箭
- 中山大学林倞解读视觉语义理解新趋势:从表达学习到知识及因果融合