Encoder-Decoder with Atrous Separable Convolution for Semantic Image
Google在乘着大过年的来了一发state of the art 很强hh
印象中deeplabv1-2 都是fcn配空洞卷积加DenseCRF后处理
在deeplabv3去掉了后处理
现在这个最新版deeplabv3+先来看一看网络结构
简述一下变动
使用Xception+ASPP的强encoder
deeplabv3的output stride = 16 再通过双线性插值恢复至原图大小但这丢失了许多细节信息
这里改成上采样×4 和一个low-level的信息结合来decoder
下面是Xception 的变动
未改动entry flow
用步长不为1的深度可分离卷积取代池化层