摘要

深度卷积神经网络（DCNNs）在高级视觉任务中，如图像分类和目标检测方面，最近展示了最先进的性能。本研究结合了来自DCNNs和概率图模型的方法，以解决像素级分类任务（也称为“语义图像分割”）。我们发现，DCNNs在最终层的响应对于精确的目标分割来说定位不够准确。这是由于使DCNNs适用于高级任务的高度不变性特性所致。为了克服深度网络的这种不良定位属性，我们将最终DCNN层的响应与全连接条件随机场（CRF）相结合。定性上，“DeepLab”系统能够以超越先前方法的精度定位分割边界。定量上，我们的方法在PASCAL VOC-2012语义图像分割任务中达到了新的最先进水平，在测试集中达到了71.6%的交并比（IOU）精度。我们展示了如何高效地获得这些结果：通过仔细调整网络用途以及小波社区中的“空洞”算法的新应用，可以在现代GPU上实现每秒8帧的密集神经网络响应计算。