谷歌開源其語義圖像分割模型DeepLab-v3＋

AiTechYun

編輯：xiaoshan

語義圖像分割是為圖像中的每個像素分配諸如「道路」，「天空」，「人」，「狗」之類的語義標籤，它使得許多新的應用程序在（例如Pixel 2和Pixel 2 XL的智能手機和移動實時視頻分割）豎屏模式下合成淺景深效果。分配這些語義標籤需要確定對象的輪廓，因此比其他視覺實體識別任務(如圖像級分類或邊界盒級檢測)更嚴格地要求定位精度。

今天，谷歌宣布了他們最新的和性能最好的語義圖像分割模型的開源版本， DeepLab-v3+，可在Tensorflow中實現。此版本包含基於強大的卷積神經網路（CNN）骨幹架構構建的DeepLab-v3 +模型，獲得最準確的結果，用於伺服器端部署。作為本次發布的一部分，谷歌還分享了他們的Tensorflow模型訓練和評估代碼，以及已經預先訓練過的Pascal VOC 2012和Cityscapes 基準語義分割任務的模型。

自從三年前谷歌的DeepLab模型第一次改版以來，改進的CNN特徵提取器，更好的對象比例建模，對上下文信息的仔細同化，改進的訓練過程以及越來越強大的硬體和軟體導致了DeepLab-v2和DeepLab-v3的改進。藉助DeepLab-v3 +，我們通過添加簡單而有效的解碼器模塊來擴展DeepLab-v3，以細化分割結果，尤其是對象邊界。我們進一步將深度可分離卷積應用於空間金字塔池（atrous spatial pyramid pooling）和解碼器模塊，從而形成更快更強的用於語義分割的編碼器 – 解碼器網路。

基於卷積神經網路(CNNs)之上的現代語義圖像分割系統的精確度已經達到了難以想像的程度，這要歸功於方法、硬體和數據集的進步。谷歌希望，向社區公開分享他們的系統，使學術界和業界的其他團體更容易複製和進一步改善該先進系統，訓練新數據集的模型，並為這項技術設想新的應用程序。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！