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
版权所有，未经授权不得以任何形式转载及使用，违者必究。
- 微软公布19财年财报：净利润增长22%，云计算首超个人计算业务2019-07-19
- 腾讯云推出物联网边缘计算平台，具备五大特点，想攻克物联网落地难题2019-08-28
- DeepMind医疗业务几经动荡，现在团队并入Google2019-09-20
- 首例基因编辑干细胞治疗艾滋病：北大邓宏魁参与，达最佳治疗效果2019-09-14
相关阅读
谷歌将AutoML应用到Transformer架构，实现机器翻译最佳性能
和以往其他Transformer不同，ET能够根据特定任务进行定制，在机器翻译领域得到了最先进的结果，并且对语言建模任务也进行了改进。
