Abstract

在这项工作中，作者用深度学习解决了图像语义分割任务，并作出了三个主要贡献，实验表明有实质性的实际价值。

首先，作者强调了带上采样 filters 的卷积，叫做 “atrous convolution”，作为密集预测任务的工具。

Atrous 卷积允许明确地控制分辨率，在深度卷积神经网络中计算特征响应。

它还允许我们在不增加参数数量或计算量的情况下，有效地扩大filter的感受野，以纳入更大的上下文。

其次，作者提出了一种基于 atrous spatial pyramid pooling(ASPP)的鲁棒性的多尺度目标分割算法。

ASPP以多个采样率和有效感受野的 filters 探测传入的卷积特征层，从而捕获目标以及在多个尺度上的图像上下文。

第三，作者结合 DCNN 和概率图模型的方法改进了目标边界的定位。

DCNN 中常用的最大池化和下采样的组合实现了不变性，但对定位精度有影响。

作者通过将最终DCNN层的响应与一个全连接的条件随机场(CRF)相结合来克服这一问题，这在定性和定量上都显示出来，以提高定位性能。

Conclusion

作者提出的DeepLab系统通过使用atrous卷积和上采样 filter 进行密集特征提取，将训练好的图像分类网络重新用于语义分割任务。

作者进一步将其扩展到atrous空间金字塔池，它在多个尺度上编码目标和图像上下文。

为了沿着物体边界产生语义上准确的预测和详细的分割图，作者还结合了深度卷积神经网络和全连接的条件随机场的思想。