语义分割算法——应用空洞卷积和CRF的DeepLabv1

文章预览

描述 原文：Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs 系列文章的第一篇，发表在2014年CVPR。 在语义分割中，通常会使用分类网络作为backbone。通过backbone之后会对特征图进行一系列的下采样，之后再进行一系列的上采样还原原图的大小 Abstract 深度卷积神经网络(deep Convolutional Neural Networks, DCNN)最近在高级视觉任务(如图像分类和目标检测)方面表现出了最先进的性能。 本篇文章结合了 DCNN 和概率图形模型的方法，来解决像素级分类任务（也称为“语义图像分割”）。作者认为，DCNN最后一层的响应无法在位置上进行准确的对象分割。这是因为使 DCNN 的非常不变性属性是适用于更高级任务的。作者通过将最终 DCNN 层的响应与完全连接的条件随机场 (CRF) 相结合，来克服深度网络的这种定位很差的缺点。 提出的“DeepLab”系统能够以超出 ………………………………