谷歌開源語義圖像分割模型DeepLab-v3＋

安妮 編譯自 谷歌官方博客

量子位 出品 | 公眾號 QbitAI

今天，谷歌宣布開源語義圖像分割模型DeepLab-v3+。

據谷歌在博客上的描述，DeepLab-v3+模型是目前DeepLab中最新的、執行效果最好的語義圖像分割模型，可用於伺服器端的部署。

此外，研究人員還公布了訓練和評估代碼，以及在Pascal VOC 2012和Cityscapes基準上預訓練的語義分割任務模型。

DeepLab已三歲

雖然有「Lab」這個單詞，但DeepLab真的不是谷歌的某個實驗室啊喂~

這是三年前谷歌提出的一個語義分割模型，它改進了卷積神經網路（CNN）的特徵提取器，能更好地對物體建模，對上下文信息的理解也較為準確。經過多次訓練後，改進版的DeepLab-v2和DeepLab-v3相繼誕生。

而DeepLab-v3+模型就是DeepLab模型最新的改進方案。

研究人員通過添加一個簡單的解碼器模型擴展DeepLab-v3，用於細化分割結果，在物體邊界的劃分上甚是有用。

之後，他們還進一步將深度可分離的卷積應用到spatial pyramid pooling和解碼器模型中，構建出更厲害的編碼-解碼器網路進行語義分割模型。

相關資源

想了解DeepLab-v3+的更多技術細節，可移步官方博客：

https://research.googleblog.com/2018/03/semantic-image-segmentation-with.html

或前往代碼地址一探究竟：

https://github.com/tensorflow/models/tree/master/research/deeplab

—完—

活動報名

加入社群

量子位AI社群13群開始招募啦，歡迎對AI感興趣的同學，加小助手微信qbitbot4入群；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進群請加小助手微信號qbitbot5，並務必備註相應群的關鍵詞~通過審核後我們將邀請進群。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！