DeepLab

DeepLab 是 Google 推出的一系列語意分割模型，圍繞一個核心想法打造：用空洞（擴張）卷積（atrous / dilated convolution）取代更多下採樣，以便在保持特徵圖高解析度的同時，仍能看見大範圍脈絡。標準 CNN 必須激進地池化才能擴大感受野（receptive field），但這會破壞分割所需的空間細節。DeepLab 改而把卷積核拉開、中間留空隙，在不縮小特徵圖、也不增加參數的情況下放大每個濾波器所見的範圍。如此便能直接產出稠密、細緻的輸出圖。

這個家族歷經四個里程碑版本演進。DeepLabv1 把空洞卷積與全連接條件隨機場（conditional random field，CRF）結合，後者作為銳化的後處理。DeepLabv2 加入空洞空間金字塔池化（Atrous Spatial Pyramid Pooling，ASPP）——以數種擴張率並行的擴張卷積來擷取多尺度物體——並保留 CRF。DeepLabv3 以批次正規化（batch normalization）與一個全域影像層級的池化分支改良 ASPP，且已強到能完全捨棄 CRF。DeepLabv3+ 加入一個簡單的解碼器模組以精修邊界，並採用深度可分離（depthwise-separable）的空洞 Xception 骨幹以提升效率。

空洞卷積背後的取捨值得明說：它以計算量與記憶體為代價，換來感受野與解析度，因為特徵圖一直到網路深處都維持很大。DeepLab 以「輸出步幅」（output stride）旋鈕來控制——即輸入解析度對最終特徵圖解析度的比值（常見為 16 或 8）。輸出步幅越小，細節越多，但計算量呈平方增長。