【Semantic Segmentation】DeepLab(v2) : DeepLab(v1)との違いは？

背景

DeepLab(v1)を調べたから次はDeepLab(v2)だ！と思い探していると、恐らくそれっぽい論文が見つかったのだが、タイトルがほぼ一緒で戸惑った。ちょっと文字足しだけやんけ

DeepLab(v1)

SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONAL NETS AND FULLY CONNECTED CRFS

DeepLab(v2)

DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution,and Fully Connected CRFs

version1からのupdate

Spatial Pyramid Poolingを知っている人なら簡単に分かると思うのが、ASPPではPoolingで解像度を落とさず、代わりにAtrous(Dilated) Convolutionで全体の特徴を取りに行くので特徴量Mapが小さくならずに済む。
downsampleしたりupsampleせずに情報が得られるから、個人的に結構すごいと思う。

Atrous(Dilated) Convolutionの凄さ

図からみて分かるように
downsample->convolution->upsampleするより
Atrous Convolutionする方が特徴がDenseに取れる。

上の方法だとSmoothingする為のLayerもう一枚追加する必要がありそう。

結論

ASPP Moduleが追加された事
これは大きな貢献だと思う

参考文献

DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution,and Fully Connected CRFs
https://arxiv.org/pdf/1606.00915.pdf