资讯 人工智能
此为临时链接,仅用于文章预览,将在时失效

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

作者:AI研习社-译站
2019/03/26 10:27

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

本文为 AI 研习社编译的技术博客,原标题 :

Review: DeepLabv1 & DeepLabv2 — Atrous Convolution (Semantic Segmentation)

作者 | Sik-Ho Tsang

翻译 | 斯蒂芬·二狗子         

校对 | 酱番梨        审核 | 约翰逊·李加薪       整理 | 立鱼王

原文链接:

https://towardsdatascience.com/review-deeplabv1-deeplabv2-atrous-convolution-semantic-segmentation-b51c5fbde92d

在本文中,回顾了DeepLabv1和DeepLabv2网络,因为他们都使用带孔卷积 Atrous Convolution和全连接的条件随机场(Conditional Random Field,CRF),除了DeepLabv2有一个额外的技术叫做空间金字塔池化Atous Spatial Pyramid Pooling(ASPP),这是DeepLabv2与DeepLabv1的主要区别。 (当然,还有其他差别,例如:DeepLabv2使用ResNet和VGGNet进行实验,但DeepLabv1仅使用VGGNet。)

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

DeepLab 模型

上图是DeepLab模型架构。首先,输入图像通过网络中的atrous卷积和ASPP。然后,网络的输出图进行双线性插值bilinearly interpolated,并通过完全连接的CRF来微调结果并获得最终输出。

DeepLabv1和DeepLabv2已经在2015 ICLR和2018 TPAMI上发布,在我写这篇故事的时候分别引用了400和2000。 

本文涉及的内容:

  1. 带孔卷积

  2. 空间金字塔池化

  3. 全连接的条件随机场

  4. 实验结果


   1.Atrous卷积

“Atrous”这个词确实来自法语“àtrous”意思洞。因此Atrous conv.也被称为“空洞卷积”。一些论文也称之为"dilated convolution"。它通常用于小波变换,现在它被应用于卷积中以进行深度学习。

下面是atrous卷积的表达式:

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

1维的带孔卷积(r > 1:atrous卷积,r = 1:标准卷积)

下图说明这一点

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

标准卷积(顶部)空洞卷积(底部)

atrous卷积的想法很简单。在上图的顶部是标准卷积。

在图的底部,它是一个空洞卷积。我们可以看到,当rate = 2时,输入信号被交替采样。首先,pad = 2 意味着我们在左侧和右侧填充2个零。然后,在 rate = 2的情况下,我们有每2个输入就对输入信号进行采样以进行卷积。因此,在输出端,我们将有5个输出,这使得输出的特征图增大。
如果我们还记得FCN一文中,一系列的卷积和池化会使输出特征图非常小,因此最后需要32倍的上采样,这是有些放大过度的上采样。

此外,atrous卷积使我们扩大卷积核filter的视野以包含更大的感受域信息。同时,它提供了一种有效的机制来控制感受野的大小,并找到精确定位(小视野)和通过前后信息修复(大视场)细节之间的最佳平衡。

在DeepLab中,使用VGG-16或ResNet-101,最后一个池化(pool5)或卷积conv5_1的步幅分别设置为1,以避免信号被过度抽取。并且使用rate=2的空洞卷积替换所有后续卷积层。这使得输出变大很多。我们只需要进行8次上采样即可对输出要求的尺寸。并且双线性插值对于8×上采样具有相当好的性能。


   2.带孔空间金字塔池化(ASPP)

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

带孔的空间金字塔池化(ASPP)

ASPP实际上是空间金字塔池的一个版本,其中的概念已经在SPPNet中描述。在ASPP中,在输入特征映射中应用不同速率的并行空洞卷积,并融合在一起。
由于同一类的物体在图像中可能有不同的比例,ASPP有助于考虑不同的物体比例,这可以提高准确性。


   3.完全连接的条件随机场(CRF)

完全连接的CRF在双线性插值后应用于网络输出上

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

全连接的CRF

x是像素的标签分配。 P(xi)是像素i处的标签分配概率。因此,第一项θi是对数概率。
对于第二项,θij,它是一个滤波器。当xi != xj时,μ= 1。当xi = xj时,μ= 0。在括号中,它是两个内核的加权和。第一个核取决于像素值差和像素位置差,这是一种双边的filter。双边滤波器具有保留边缘的特性。第二个内核仅取决于像素位置差异,这是一个高斯滤波器。那些σ和w,通过交叉验证找到。迭代次数为10。

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

上:得分图(softmax函数前的输入),下图:置信图(softmax函数的输出)

通过10倍的CRF,飞机周围不同颜色的小区域变得平滑起来。

但是,CRF是一个后阶段的处理过程,它使DeepLabv1和DeepLabv2变为不是端到端的学习框架。并且它是不在DeepLabv3和DeepLabv3 +中使用。


   4.结果

4.1 实验验证

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

DeepLab-LargeFOV(左:即仅单个atrous conv),DeepLab-ASPP(右,即ASPP)

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

在PASCAL VOC 2012验证集中使用ResNet-101的每个模型组件的结果

4.2 与最先进的方法对比

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

PASCAL VOC 2012测试集(最左侧)PASCAL-Context(左二)PASCAL-Person-Part(右二)Cityscape(最右侧)

如上所述测

4.3 定性的结果

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

结果: PASCAL-Context数据

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

结果: Cityscape数据

但DeepLab也有一些失败的例子,其中自行车和椅子由多个细小的部分组成,如自行车和椅腿的部分:

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

失败的例子

希望将来能够写篇关于DeepLabv3和DeepLabv3 +的博文。

参考文献

[2015 ICLR] [DeepLabv1]
Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs

[2018 TPAMI] [DeepLabv2]
DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs

我相关的文章

[SPPNet] [VGGNet] [ResNet] [FCN]

想要继续查看该篇文章相关链接和参考文献?雷锋网雷锋网雷锋网

点击【DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)】或长按下方地址访问:

https://ai.yanxishe.com/page/TextTranslation/1531

Python中文书籍大集合

100本Python中文电子书,6份源代码,Python从入门到出家,一条龙服务。

包含Python基础、进阶、爬虫、算法实现、深度学习、TensorFlow、NLP等等

友情提示:文件大小为2.89GB,慎用流量下载,可以先收藏哟~~!

点击链接即可获取:https://ai.yanxishe.com/page/resourceDetail/676


长按图片保存图片,分享给好友或朋友圈

DeepLabv1 & DeepLabv2 - 空洞卷积(语义分割)

扫码查看文章

正在生成分享图...

取消
相关文章