[2017.07.10] Rethinking Atrous Convolution for Semantic Image Segmentation [文章連結]

• 2017-06-17， Liang-Chieh Chen, George Papandreou, Florian Schroff, Hartwig Adam [google research]
• DeepLab v3, 影象的語義分割

• 主要內容：

  

  1. 語義分割的兩大問題:

     [1]. pooling可以增加捲積感受野提取更多語義資訊，但是會減小影象解析度，帶來影象分割邊緣的離散.
     作者引入Atrous思想，在訓練好的模型的權重之間插入空隙，等價於pooling
      
     ，但是可以控制好影象的解析度。
     作者在Atrous基礎上設定了多種尺度，和Batch Normalization來方便模型訓練。

     [2]. 待分割物體的尺度多樣化，作者主要通過空間金字塔來增加尺度資訊。(spatial pyramid pooling)

  2. 實驗發現，在ResNet中，連續的stride不利於影象分割，因為細節資訊會損失，因此需要在使用Atrous的時候增加不同尺度。

     

  3. 在最後一層上加入Global average pooling來提取全圖的資訊。

• 對比實驗
  在PASCAL VOC2012上面，不適用任何後處理就可以達到最好的效果。