图像分割：第五款模型：DeepLab

文章结构概览

• • • 三、图像分割的模型
      • • 5.DeepLab

三、图像分割的模型

5.DeepLab

原论文（v3+）

相关论文 ：
空洞卷积

最初发布的版本可追溯至2014年，此后陆续出现了多个优化版本。

Deeplabv1：通过引入CRF作为后处理步骤，有效提升了分割边界区域的准确性；

Deeplabv2：采用空洞卷积技术以增强感受野范围，并引入ASPP模块实现多尺度特征预测与上下文信息的提取；

Deeplabv3：摒弃了后处理环节，采用编-解码结构以提升边界预测效果，同时引入深度分离卷积与Xception模块，并对ASPP结构进行了优化；

Deeplabv3+：在编码部分应用了改进后的Xception网络，并结合可分离卷积技术，从而增强了编码阶段的信息获取能力。

核心思想 包括：

1. Encoder-Decoder（在编码阶段提取多尺度特征，在解码阶段恢复其空间分辨率）
2. 空洞卷积
3. 空洞空间金字塔池化（ASPP）：从v3版本开始应用。
4. 引入Xcepti