霹雳吧啦Wz语义分割学习笔记P7

P7.DeepLabV2网络简介

1.前言

Deeplab:Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs 2016 CVPR

https://arxiv.org/abs/1606.00915

换了backbone——ResNet

引入了一个新的结构——ASPP

DCNNs应用在语义分割任务中的问题

分辨率被降低（主要由于下采样stride>1的层导致）

目标的多尺度问题

DCNNs的不变性（invariance）会降低定位精度

网络优势

速度更快

准确率更高（当时的state-of-art）

模型结构简单，还是DCNNs和CRFs联级

2.ASPP（atrous spatial pyramid pooling）ASPP-L

Input Feature Map——通过backbone输出得到的feature map

并联四个分支，针对每个分支都会采用1个3x3大小的膨胀卷积，每个分支的膨胀系数不同，所以每个分支的感受野不同

将四个分支的结果进行融合，使得DeepLabv2具有解决多尺度的能力

3.消融实验

MSC多尺度方法：将输入的图片分别缩放到0.5倍、0.75倍、1倍，将这三个不同尺度的图片输入到网络进行正向传播，就能得到每一个尺度对应的score maps，将这三个score maps进行融合（针对每一个pixel取最大值）

COCO在COCO数据集上进行训练

Aug对数据进行增广：对输入的图片在0.5倍到1.5倍进行随机缩放

LargeFOV

ASPP

CRF

VGG-16 -> ResNet-101

4.学习率的变化策略（Learning rate policy）

lr——初始学习率

iter——当前训练的步数

max_iter——整个训练过程中所需迭代的步数

power——参数，power=0.9

5.DeepLabv2网络结构