deeplabv3是一種語義分割網絡，語義分割旨在對給定圖片的每一個像素點進行類別預測，在這里我們來梳理一下deeplabv3網絡的大致流程僅供參考，參考的算法實現地址為：https://github.com/fregu856/deeplabv3
1.網絡流程圖
2.網絡原理
算法使用的數據集是分割常用的cityscapes，在對數據集進行適當的預處理后，輸入網絡的是batchx3x256x256的圖片和batchx256x256的標簽，標簽的取值范圍是0-19，代表一共有20類。
1.首先對圖片進行特征提取，上圖使用的是resnet18網絡進行的特征提取，得到的是512x32x32的特征圖；
2.aspp網絡層對上一步得到的特征圖從5個分支分別進行各自的卷積提取操作，得到的都是256x32x32的特征圖，然后將它們拼接在一起，得到1280x32x32的特征圖，再經過兩次卷積得到20x32x32的特征圖；
3.最后對20x32x32的特征圖進行一次上采樣操作，得到20x256x256的特征圖，即最后我們需要的輸出；
4.loss直接對20x256x256的特征圖和256x256的標簽在每一個像素點進行交叉熵損失計算，考慮到類別不平衡問題，網絡還對每個類別的損失添加了相應的權重；