Semantic Segmentation --DeepLab(1,2,3)系列总结

DeepLab系列总结

截图内容源于官方的PPT。

关于DeepLabv1,DeepLabv2,DeepLabv3汇总：

• DeepLabv1：

  • 原文地址：DeepLabv1: Semantic image segmentation with deep convolutional nets and fully connected CRFs
  • 收录：ICLR 2015 (International Conference on Learning Representations)
  • 代码:
    
    • bitbucket-Caffe
    • github-Caffe
  • blog：CSDN

• DeepLabv2：

  • 原文地址：DeepLabv2:DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs
  • 收录：TPAMI2017 (IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017)
  • 代码:
    
    • TensorFlow
    • bitbucket-Caffe
  • blog:CSDN

• DeepLabv3

  • 原文地址：DeepLabv3:Rethinking Atrous Convolution for Semantic Image Segmentation
  • 代码:
    
    • TensorFlow
  • blog：CSDN

DeepLab系列针对的Task

DeepLab是针对语义分割(Semantic Segmentation)任务提出的深度学习系统：

语义分割的要求：

• 语义分割是对图像做密集的分割任务，分割每个像素到指定类别上
• 将图像分割成几个有意义的目标
• 给对象分配指定类型标签

语义分割的用途：

• 自动驾驶
• 医疗辅助

---

DeepLabv1 & DeepLabv2

• 使用DCNN做密集的分类任务，产生的预测图有目标大概的位置，但比较粗糙
• 使用条件随机场(CRF)细化分割结果

核心解决思路

对于标准的DCNN有哪些问题？	针对这些问题，DeepLab的解决办法
1.分辨率： 输出特征分辨率较小 2.池化： 对于输入变换具有内在不变性	1.使用空洞卷积 2. 使用CRF

DCNN中使用空洞卷积

- 移除原网络最后两个池化层
- 使用 rate=2 r a t e = 2 的空洞卷积采样

如上图右下所示，标准的卷积只能获取原图1/4的内容，而新的带孔卷积可以在全图上获取信息。

DeepLabv1到DeepLabv2有一个变化：

由左边到右边，主要是在DCNN中应用了空洞卷积密集的提取特征，左边的输出步幅是16，需要上采样16倍得到预测结果，可以看到结果是比较模糊的；而右边是在DCNN中使用空洞卷积，保持步幅为8，只需要上采样8倍，结果清晰了很多。

CRF部分

DCNN存在分类和定位之间的折中问题，预测到目标的大概位置但比较模糊。

CRF尝试找到图像像素之间的关系： 相近且相似的像素大概率为同一标签；CRF考虑像素的概率分配标签；迭代细化结果。

模型结构介绍

DeepLabv1结构介绍

DeepLabv1是在VGG16的基础上做了修改：

• VGG16的全连接层转为卷积
• 最后的两个池化层去掉了下采样
• 后续卷积层的卷积核改为了空洞卷积
• 在ImageNet上预训练的VGG16权重上做finetune

可视化结果如下：

DeepLabv2结构介绍

DeepLabv2在DeepLabv1上做了改进：

- 用多尺度获得更好的分割效果(使用ASPP)
- 基础层由VGG16转为ResNet
- 使用不同的学习策略(poly)

ASPP模块

为什么要提出ASPP？	解决思路	实施办法
语义分割挑战：在多尺度上存储目标	在给定的特征层上使用不同采样率的卷积有效的重采样	使用不同采样率的空洞卷积并行采样

ASPP中在给定的Input Feature Map上以 r=(6,12,18,24) r = ( 6 , 12 , 18 , 24 ) 的 3×3 3 × 3 空洞卷积并行采样。

ASPP各个空洞卷积分支采样后结果最后融合到一起(通道相同，做像素加)，得到最终预测结果.

DeepLabv2可视化结果：

DeepLabv1 & DeepLabv2优势

• 速度上： 使用空洞卷积的Dense DCNN达到8fps，全连接的CRF需要0.5s
• 精准度：在几个先进的数据集上达到了先进的结果
• 建议性：系统由两个成熟的模块组成，DCNNs和CRFs

---

DeepLabv3

相比DeepLabv1 & DeepLabv2的改变

• 提出了更通用的框架，适用于任何网络
• 复制了ResNet最后的block，并级联起来
• 在ASPP中使用BN层
• 没有使用CRF

模型结构介绍

• 复制ResNet最后一个block多个副本，级联到一起
  
  • 在本文中,block5-7是block4的副本
• 每个block中包含三个卷积(使用Mutli-gird策略)
• 最后一个block的最后一个卷积步长为2(???)
• 为了维持原图尺寸，使用不同的采样率(每层采样率乘2)空洞卷积代替原卷积

ASPP模块

相比于DeepLabv2的ASPP模块，有以下变化和问题：

• ASPP中应用了BN层
• 随着采样率的增加，滤波器中有效的权重减少了(有效权重减少，难以捕获原距离信息，这要求合理控制采样率的设置)
• 使用模型最后的特征映射的全局平均池化(为了克服远距离下有效权重减少的问题)

新的ASPP模块包括：

• 一个 1×1 1 × 1 卷积和3个 3×3 3 × 3 的空洞卷积(采样率为(6,12,18))，每个卷积核都有256个且都有BN层
• 包含图像级特征(即全局平均池化)

所有分支得到的结果通过 1×1 1 × 1 卷积级联到一起得到最终结果。

DeepLabv3的实验结果

在PASCAL VOC 2012测试集上，相比于DeepLabv2的77.69%，DeepLabv3有2%的提升：

最好的结果包含：

• ASPP
• 输出步幅为8
• 翻转和随机缩放的数据增强

可视化结果：