DeepLab V3

这是2017年发表在CVPR上的文章。相比于V2而言，主要不同之处有三个：引入了Multi-grid、改进了ASPP结构、移除CRFs后处理。

解决多尺度问题的几种办法：

在DeepLab V3中作者提出了两种结构：cascaded model以及ASPP model：

DeepLabV3的几个模块与ResNet50的conv层相对应。

在cascaded模型中，其还增加了block5、6以及7，其与block4基本相同，只是采用了不同的膨胀系数。对于block3，只在训练的时候进行下采样，这样可以让训练时的batch size变大，同时可以加快推理速度。同时如果验证时仍然在block3下采样到16倍的话效果会差一些。现在可以直接下采样到8倍，因为设备的显存增大了。

对于ASPP model，主要看ASPP这个模块。

在V2的ASPP模块中每个空洞卷积后没有BN和ReLU，这四个分支上的输出相加之后就直接上采样还原到原图大小了。上图的膨胀系数翻倍的原因是作者在原论文中提到如果下采样到8倍的话膨胀系数需要翻倍。同时在全局池化层后需要用1*1卷积来调整channel。

multi-grid

ASPP model没有block567，因此对于cascaded model使用(1, 2, 1)，对于ASPP model使用(1, 2, 4)。

训练细节：

标签：DeepLab,采样,笔记,V3,ASPP,cascaded,model
来源： https://www.cnblogs.com/lipoicyclic/p/16095945.html