0. 介绍

DeepLabV3+文章：https://arxiv.org/pdf/1802.02611.pdf
DeepLabV3+代码：https://github.com/VainF/DeepLabV3Plus-Pytorch
语义分割的两个主要问题：

1. 物体的多尺度问题。
2. 多次下采样会造成特征图的分辨率变小，导致预测精度降低，边界信息丢失。

针对第一个问题，DeepLabV3很好的进行解决。第二个问题，从DeepLabV1引入空洞卷积开始，但仍没有进行很好的解决。
对于DeepLabV3，在处理高分辨率图像非常的耗时。

1. DeepLabV3+

为了解决以上问题，提出两个创新点：

1. encode-decode
   
   其中，a为SPP结构，8x直接进行双线性插值，不参与训练，b是encode-decode，将高层和底层信息进行融合。c是DeepLabV3+使用的结构。

编码部分是一个DeepLabV3网络。由于低层特征所占比重不大，使用11conv进行通道压缩。encode提取的特征具有更丰富的信息，所以所占比重大，有利于训练。然后，将编码器的结果进行4倍上采样与底层特征一致。将两种特征图连接后，通过33卷积进行细化，最后再进行一次4倍上采样，得到像素级的预测。
该结构，在stide=16时，具有高精度和高效率。stride=8时，精度略微提升，计算量增加。

2. 更改主干网络
   

• 更深的Xception结构，不同的地方在于不修改entry flow network的结构，为了快速计算和有效的使用内存
• 所有的max pooling结构被stride=2的深度可分离卷积代替
• 每个3x3的depthwise convolution都跟BN和Relu
• 将改进后的Xception作为encode主干网络，替换原本DeepLabv3的ResNet101

2. 结论

论文提出的DeepLabv3+是encoder-decoder架构，其中encoder架构采用Deeplabv3，decoder采用一个简单却有效的模块用于恢复目标边界细节。并可使用空洞卷积在指定计算资源下控制feature的分辨率。论文探索了Xception和深度分离卷积在模型上的使用，进一步提高模型的速度和性能。

3. 参考

https://zhuanlan.zhihu.com/p/92454657