はてなブックマーク

今回は、セマンティックセグメンテーションで最も性能が高い手法の1つであるDeeplabv3+を、基本的な手法であるU-Netと比較しながら紹介します。 上の図にDeeplabv3+の構造を示します。従来のモデルとしてよく使用されるU-Netと同様に、エンコーダー/デコーダー構造を備えています。エンコーダーブロックは、高レベルの特徴を抽出するたたみ込みニューラルネットワークです。 Deeplabv3 +は、特徴抽出にXceptionモジュールを使用し、元のスペクトログラムの1/16のサイズの特徴マップを出力します。 U-Netとの最大の違いは、Xceptionモジュールの後に実行されるAtrous Spatial Pyramid Pooling（ASPP）と呼ばれる異なるレートの拡張畳み込み層を持つピラミッド構造です。拡張畳み込みは、定義されたギャップを持つ入力に適用される一種の畳み込みです