谷歌开源语义图像分割模型DeepLab-v3+ | 附代码

安妮 编译自 谷歌官方博客 量子位 出品 | 公众号 QbitAI

今天，谷歌宣布开源语义图像分割模型DeepLab-v3+。

据谷歌在博客上的描述，DeepLab-v3+模型是目前DeepLab中最新的、执行效果最好的语义图像分割模型，可用于服务器端的部署。

此外，研究人员还公布了训练和评估代码，以及在Pascal VOC 2012和Cityscapes基准上预训练的语义分割任务模型。

DeepLab已三岁

虽然有“Lab”这个单词，但DeepLab真的不是谷歌的某个实验室啊喂~

这是三年前谷歌提出的一个语义分割模型，它改进了卷积神经网络（CNN）的特征提取器，能更好地对物体建模，对上下文信息的理解也较为准确。经过多次训练后，改进版的DeepLab-v2和DeepLab-v3相继诞生。

而DeepLab-v3+模型就是DeepLab模型最新的改进方案。

研究人员通过添加一个简单的解码器模型扩展DeepLab-v3，用于细化分割结果，在物体边界的划分上甚是有用。

之后，他们还进一步将深度可分离的卷积应用到spatial pyramid pooling和解码器模型中，构建出更厉害的编码-解码器网络进行语义分割模型。

相关资源

想了解DeepLab-v3+的更多技术细节，可移步官方博客：

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

或前往代码地址一探究竟：

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