极简笔记 DeepLabv3+

【极简笔记】Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

文章核心：1. 提出DeepLabv3+，采用encoder-decoder结构（其实就是语义分割常用的下采样再上采样）；2. 该网络通过带孔卷积可以任意控制encoder feature的resolution，有较好的尺度适应性；3. 采用modified Xception主干网络，并在ASPP（带孔卷积模块）和decoder模块采用depthwise separable convolution；

总之一句话，之前各种文章创新点的堆叠，加上大量的结构调参。

encoder-decoder和带孔卷积就不讲了，重点在它怎么合并 。如图在decoder部分，它是双线性上采样x4之后，和浅层通过1x1conv，拥有相同spatial resolution的feature map concatenate，之后再过一个3x3 conv，算是一次stage，这样多来几次回到原图大小。

在Xception的修改上，1. 更多的层；2. max pooling部分用stride=2的depthwise卷积替换；3. 每次depthwise 3x3卷积之后都加上了BN和ReLU。