谷歌最新語義圖像分割模型DeepLab-v3+現(xiàn)已開源

來源:開源中國社區(qū) 2018-03-16 15:04 http://m.yyykp.com/

　　Google 研究團隊開源在 Tensorflow 中進行語義圖像分割（Semantic Image Segmentation）模型 DeepLab-v3+，包括 Google Pixel 2 和 Pixel 2XL 手機上的人像模式（Portrait Mode），以及 YouTube 為影片實時更換背景功能，都是這項技術的應用。

　　Google 研究軟件工程師 Liang-Chieh Chen 以及 Yukun Zhu 表示，語義圖像分割的主要目的是為每個像素指定語義標簽，例如路、天空、人或是狗等物體，不少的程序需要這樣的功能，像是合成淺景深效果（Synthetic Shallow Depth-of-field）效果，應用在手機 Pixel 2 和 Pixel 2XL 上提供的人像模式（Portrait Mode），能自動模糊人物的背景，作出類似單鏡頭反光相機的景深效果。

　　另外，在多數攝影 App 都會提供的實時影像分割（Video Segmentation），例如最近 YouTube 發(fā)表的新功能，為影片換背景的功能，也是語義影像分割的應用。

　　DeepLab-v3+ 在 Tensorflow 上進行，使用部署于服務器端的卷積神經網絡（CNN）骨干架構，以獲取最佳的結果。除了代碼之外，研究團隊也同時公開了 Tensorflow 模型訓練以及評估程序，以及使用 Pascal VOC 2012 與 Cityscapes 資料集訓練的模型。

　　DeepLab-v3+ 技術是基于三年前的 DeepLab 模型，期間改進了卷積神經網絡特征萃取器、物體比例塑造模型以及同化前后內容的技術，再加上進步的模型訓練過程，還有軟硬件的升級，從 DeepLab-v2 到 DeepLab-v3，直到現(xiàn)在發(fā)表的 DeepLab-v3+，效果一代比一代好。

　　DeepLab-v3+ 是由 DeepLab-v3 擴充而來，研究團隊增加了解碼器模組，能夠細化分割結果，能夠更精準的處理物體的邊緣，并進一步將深度卷積神經網絡應用在空間金字塔池化（Spatial Pyramid Pooling，SPP）和解碼器上，大幅提升處理物體大小以及不同長寬比例的能力，最后得到強而有力的語義分割編碼解碼器網絡。