常见的图像分割网络了解（下）

deeplab-v3

   在看deeplab-v3之间简要了解一下deeplab-v1和deeplab-v2网络。deeplab-v1网络主要是在保持feature map不变小的情况下，尽可能的增大感受野，这里采用了空洞卷积的方法，最后加上全连接的条件随机场进行优化。
   deeplab-v2主要是参考了多尺度在深度学习里的优点，设计了不同的空洞卷积核，从而获得不同的感受野，如下图所示：

   deeplab-v3网络做了进一步的改进，主要包括：
1.使用深层次的空洞卷积
   一般的ResNet卷积到最后feature的大小会非常小，这会损失大量的信息，这里将下面ResNet里的block4拿出来，做多次复制接在后面，使用空洞卷积提取后面的信息扩大感受野，卷积中采用不同的采样率保持out_stride = 16，从而减少了计算量。如下图所示：

2.使用多尺度空洞卷积，和v2差不多，相当于将上面的部分空洞卷积在原有基础上乘上不同的rate，建立多个分支。此外，还加入了BN层。
3.空洞金字塔池化
   具有不同采样率的上述模块在卷积时可以获得多尺度信息，但是论文也发现，在采样率增加时卷积核里有效的权重数会减少，也就是说在采样接近特征图大小的极端情况下，3x3的卷积会退化成1x1的卷积，只有中间的权重发挥作用，如下图所示：

   为了解决这个问题，这里采样图片级特征，在模型最后的特征映射上应用全局平均，将结果经过1×1的卷积，卷积核为256个，再双线性上采样得到所需的空间维度。所以ASPP包括：1.一个1×1卷积和三个3×3的采样率为rates={6,12,18}的空洞卷积，滤波器数量为256，包含BN层。针对output_stride=16的情况。如下图(a)部分Atrous Spatial Pyramid Pooling。2.图像级特征，即将特征做全局平均池化，经过卷积，再融合。如下图(b)部分Image Pooling。如下图所示：

与deeplab-v3+

   deeplab-v3对输出直接做上采样恢复到原来的尺寸大小，这会损失大量的细节信息。所以这里引入了decoder部分希望能较好的恢复细节信息，具体操作是encoder部分继续使用deeplab-v3,对于decoder部分：

   先使用1x1卷积将低层特征进行通道压缩，再和上采样后的通道进行concat，前面的低层特征相当于是一个权重，从而保留高级特征的同时，也引入了低层的细节和边缘等信息。

参考：
1.https://blog.csdn.net/u011974639/article/details/79134409
2.https://blog.csdn.net/caicai2526/article/details/79984950
3.https://blog.csdn.net/u011974639/article/details/79144773
4.https://blog.csdn.net/JYZhang_CVML/article/details/79594940