Neuüberlegung der atrous Faltung für die semantische Bildsegmentierung

In dieser Arbeit überdenken wir die atrous Faltung, ein leistungsstarkes Werkzeug, um das Sichtfeld des Filters explizit anzupassen und die Auflösung der Merkmalsantworten, die von Deep Convolutional Neural Networks berechnet werden, zu steuern, in der Anwendung der semantischen Bildsegmentierung. Um das Problem der Segmentierung von Objekten auf mehreren Skalen zu bewältigen, entwerfen wir Module, die die atrous Faltung in Kaskade oder parallel einsetzen, um den Kontext auf mehreren Skalen zu erfassen, indem wir multiple atrous Raten anwenden. Außerdem schlagen wir vor, unser zuvor vorgeschlagenes Atrous Spatial Pyramid Pooling-Modul, das konvolutionale Merkmale auf mehreren Skalen abfragt, mit bildniveau Merkmale, die den globalen Kontext kodieren, zu erweitern und die Leistung weiter zu steigern. Wir erläutern auch die Implementierungsdetails und teilen unsere Erfahrungen mit dem Training unseres Systems. Das vorgeschlagene `DeepLabv3'-System verbessert sich erheblich gegenüber unseren früheren DeepLab-Versionen ohne DenseCRF-Nachbearbeitung und erreicht eine vergleichbare Leistung mit anderen aktuellen Modellen im PASCAL VOC 2012 Benchmark für die semantische Bildsegmentierung.