如何改进 DeeplabV3+ 分割边界/边缘？

Question

我正在使用标准研究模型在 mobilenet_v3_large_seg 之上在 Tensorflow 1.15.3 中训练自定义数据集。总体上训练还可以，但是边界/边缘非常嘈杂，什么可能有助于改进检测具有更好边界的片段？

python deeplab/train.py --logtostderr --training_number_of_steps=84000 \
--output_stride 4 \
--train_split="trainval" --model_variant="mobilenet_v3_large_seg" \
--train_crop_size="384,384" --dataset="123" --save_interval_secs=300 \
--save_summaries_secs=300 --save_summaries_images=True --log_steps=100 --train_logdir=123/training \
--dataset_dir=123 --min_scale_factor=0.75 --max_scale_factor=1.25 \
--fine_tune_batch_norm=True --train_batch_size=4 --scale_factor_step_size=0.05

Answer 1

通过进一步的测试和调整，有两件事改善了我的结果：

1. 嘈杂的图像难以分割，因此我之前使用均值/中值滤波器对图像进行平滑处理。

2. 训练确实需要大量的样本和epoch，并且会慢慢提高。