项目实践中对语义分割网络DeepLabV3+的改进

拼搏现实的明天。 2022-01-31 06:29 1760阅读 4赞

# 概述 #

最近用DeepLabV3+做了一些语义分割的工作，从github上下载了别人实现的tensorflow实现。发现速度不能满足需求，所以本人对DeepLabV3+做了一些改进。

# 原始的网络结构 #

下图左侧是DeepLabV3的结构，中间是U-Net风格的编解码结构，最右侧就是DeepLabV3+的结构。和V3相比，V3+融合了一次底层特征图（主干网络也换了，但是这里体现不出来）。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5sdWx1_size_16_color_FFFFFF_t_70]

# 改进方向 #

### 替换backbone ###

DeepLabV3+论文里的backbone是Xception, 我下到的工程里用的是ResnetV2-50和ResnetV2-101。

整体的模型保存为PB有一百多M, 在CPU上的运行时间是1秒多。

为了加快网络速度，将backbone替换为MobileNetV2。

### 使用深度分离卷积替换普通卷积 ###

ASPP部分和decoder部分的参数数量同样吓人，为此把所有的普通卷积替换为深度分离卷积。

同时ASPP和decoder部分的通道数量也做了一定的删减。

### 增加一次对底层特征的融合 ###

在做身份证部件解析的时候发现细节切分效果较差。为了改善细节，将1/2大小的特征图和decoder特征进行融合，最终取得了不错的效果。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5sdWx1_size_16_color_FFFFFF_t_70 1]

# 最终效果 #

整个模型保存为PB固化文件后只有2.5M, 300x400的图片解析时间在CPU上0.2秒左右。

图片效果见《[基于语义分割的身份证部件解析和文字检测][Link 1]》

# 参考资料 #

DeeplabV3+：[Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation  
][Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation]

[基于语义分割的身份证部件解析和文字检测][Link 1]

[这就是神经网络 12：深度学习-语义分割-DeepLabV1、V2、V3和V3+][12_-_-DeepLabV1_V2_V3_V3]

[人脸解析（Face Parsing）和人体解析Human Parsing：方法、数据集和论文][Face Parsing_Human Parsing]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5sdWx1_size_16_color_FFFFFF_t_70]: /images/20220131/0d69ff6907214d9c88593105279121c6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5sdWx1_size_16_color_FFFFFF_t_70 1]: /images/20220131/549bb426129c45f79ccbb187b02ae64f.png
[Link 1]: https://blog.csdn.net/yuanlulu/article/details/90081644
[Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation]: http://openaccess.thecvf.com/content_ECCV_2018/papers/Liang-Chieh_Chen_Encoder-Decoder_with_Atrous_ECCV_2018_paper.pdf
[12_-_-DeepLabV1_V2_V3_V3]: https://blog.csdn.net/yuanlulu/article/details/88930810
[Face Parsing_Human Parsing]: https://blog.csdn.net/yuanlulu/article/details/88580741