python DeepLab系列方法：几张图了解ASPP，空洞卷积升级版，空洞卷积的优势
一，先了解空洞卷积
空洞卷积的优势：
（1）图像分割任务中（其他场景也适用）需要较大感受野来更好完成任务； （2）通过设置dilation rate参数来完成空洞卷积，并没有额外计算； （3）可以按照参数扩大任意倍数的感受野，而且没有引入额外的参数； （4）应用简单，就是卷积层中多设置一个参数就可以了； 
二，ASPP
deepLabV3+
图中encoder过程分为两条路线提取特征：
1，经过DCNN（例如resnet）+1*1卷积得到低阶特征；
2，经过DCNN（例如resnet）+空洞卷积+特征拼接+1*1卷积得到高阶特征；
decoder过程：
1，高阶特征+上采样与低阶特征进行拼接；
2，融合特征经过上采样得到与原始图相同大小的分割结果图；
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！