文章预览
描述 原文:DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs DeepLabv2与DeepLabv1相比,从标题到内容都很像,只不过将一些知识讲的更清楚,并提出了 atrous spatial pyramid pooling (ASPP,空洞空间金字塔池化) 这一概念。 摘要 作者提出了三个主要贡献: 1.提出空洞卷积,能够完成密集预测任务,文章里叫做“Atrous Convolution” 2.提出了atrous spatial pyramid pooling (ASPP,空洞空间金字塔池化)这一概念, 使用多个采样率和感受野的过滤器提取输入特征,从而在多个尺度上捕获对象以及图像上下文。 3.结合DCNN和概率图形学模型,提升针对目标边界的定位效果。 1.INTRODUCTION 和DeepLabv1一样,介绍了下分割任务的难点在哪里。我来用自己的话分析。 1.位置特征的丢失 深度学习DCNN的分类效果很好,但是中间应用的池化层和下采样导致位置
………………………………