Deeplab -v1笔记

（本文仅供个人学习所用）
Deeplab-v1
DeepLab是结合了DCNNs的识别能力和全连接的CRF的细粒度定位精度。使用空洞卷积，最后用双线性插值恢复到原状，然后用全连接CRF得到最终分割结果。如图：

1.Backbone为Vgg16
（但是现在都是用ResNet）

① VGG网络：

（其中conv3表示3x3的卷积）
常用的为D和E，即VGG16和VGG19.
VGG16的结构为：

其中卷积核均为3x3的，最大池化均为2x2的。
连续使用小卷积核来替代大卷积核，可以减少参数，并增多了非线性映射。
②deeplab v1对VGG16的改造

• 将最后的全连接层改为卷积层，变成全卷积的形式。

• 改变了卷积核的大小，以及部分池化的步长

• 使用了空洞卷积

• 最后使用插值法进行上采样。

2.空洞卷积 atrous convolution

空洞卷积可以在增大感受野的同时保持图像分辨率不变，如图：

改变dilation rate，就可以改变感受野，从而获得多尺度信息。与此同时，并没有产生因为下采样造成的信息损失。

3.deeplab = 优化后的CNN+CRF模型，CNN输出粗糙的分割结果，全连接CRF精化分割结果

看不懂条件随机场

参考：吃透空洞卷积