DeepLabV3+的网络架构

### DeepLabV3+ 网络架构详解 DeepLabV3+ 是一种用于语义分割的强大模型，在处理图像中的多尺度物体方面表现出色。该模型通过改进的 Atrous Spatial Pyramid Pooling (ASPP) 和解码器模块来增强特征表示能力。 #### 编码器部分 编码器基于 Xception 或 ResNet 架构，采用深度可分离卷积替代标准卷积操作以减少参数量并提高计算效率[^1]。为了捕捉不同尺度的信息，引入了空洞卷积（膨胀卷积），它能够在不增加额外参数的情况下扩大感受野大小[^2]。 ```python import torch.nn as nn class Encoder(nn.Module): def __init__(self, backbone='xception'): super(Encoder, self).__init__() if backbone == 'xception': from models.backbones import xception self.backbone = xception.Xception() elif backbone == 'resnet': pass # Add resnet implementation here def forward(self, input): low_level_feat, output = self.backbone(input) return low_level_feat, output ``` #### ASPP 模块 Atrous spatial pyramid pooling 结合多个具有不同采样率的平行分支以及全局平均池化层，从而有效地聚合来自不同空间范围内的上下文信息。每个分支都应用了一个特定扩张比率的空间金字塔池化方法，使得网络可以适应多种尺寸的目标对象。 ```python from functools import partial def build_aspp(backbone, output_stride=16, BatchNorm=nn.BatchNorm2d): return ASPP(backbone, output_stride, BatchNorm) class ASPPConv(nn.Sequential): def __init__(self, in_channels, out_channels, dilation): modules = [ nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=dilation, dilation=dilation, bias=False), BatchNorm(out_channels), nn.ReLU(inplace=True) ] super().__init__(*modules) class ASPPPooling(nn.Sequential): def __init__(self, in_channels, out_channels): ... class ASPP(nn.Module): def __init__(self, backbone, output_stride, BatchNorm): ... def forward(self, x): ... ``` #### 解码器设计 不同于原始版本仅依赖于编码阶段提取到的高层抽象特征图谱进行预测的方式，DeepLab V3+ 增加了解码组件，利用低层次更精细的空间位置关系辅助最终分类决策过程。具体来说就是将经过 ASPP 处理后的高维向量与早期浅层特征相结合再做上采样恢复分辨率[^3]。 ```python class Decoder(nn.Module): def __init__(self, num_classes, backbone, BatchNorm): super(Decoder, self).__init__() if backbone == 'resnet' or backbone == 'drn': low_level_inplanes = 256 elif backbone == 'xception': low_level_inplanes = 128 self.conv1 = nn.Conv2d(low_level_inplanes, 48, 1, bias=False) self.bn1 = BatchNorm(48) self.relu = nn.ReLU() self.last_conv = nn.Sequential( DepthwiseSeparableConv(...), DepthwiseSeparableConv(...) ) def forward(self, x, low_level_feat): ... ``` 整个框架的设计理念在于充分利用深层神经元所携带丰富的语义含义的同时保留足够的几何结构特性以便做出更加精准的位置判断。