DeepLab系列各有什么特點(diǎn)？

DeepLab v1

1.采用空洞卷積擴(kuò)展感受野，獲取更多的語(yǔ)境信息

2.采用完全連接的條件隨機(jī)場(chǎng)(CRF)提高模型捕獲細(xì)節(jié)的能力

DeepLab v2

1.在最后幾個(gè)最大池化層中去除下采樣，取而代之的是使用空洞卷積，以更高的采樣密度計(jì)算特征映射

2.基于 Spatial Pyramid Pooling (SPP) ，在給定的輸入上以不同采樣率的空洞卷積并行采樣

DeepLab v3

1.采用多比例的空洞卷積級(jí)聯(lián)或并行來(lái)捕獲多尺度背景

2.修改了空洞空間金字塔池化模塊

DeepLab v3++

1.為了融合多尺度信息，引入語(yǔ)義分割常用的 encoder-decoder

2.引入可任意控制編碼器提取特征的分辨率，通過(guò)空洞卷積平衡精度和耗時(shí)


猜你喜歡

如何理解HOG特征？

SIFT/SUR的特征提取方法是如何保持尺度不變性的？ 

數(shù)學(xué)不好能學(xué)人工智能課程？ 

下面是黑馬程序員公開的幾套人工智能視頻教程，如果感興趣可以下載學(xué)習(xí)。