参考链接：
北邮夺冠CVPR 2018 DeepGlobe比赛，他们是这样做卫星图像识别的
Github地址 Python2.7 pytorch0.2.0
D-LinkNet: LinkNet with Pretrained Encoder and Dilated Convolution for High Resolution Satellite Imagery Road Extraction
摘要: 语义分割神经网络，LinkNet 架构，空洞卷积（膨胀卷积）
1.Introduction:
大多数的图像道路提取方法可以分为三类：1.生成道路的像素级别的标记。2.检测道路的骨架。3. 前两种方法的结合。
我们把道路提取任务作为一个二值语义分割任务，去产生道路的像素级的标签。
a binary semantic segmentation task to generate pixel-level labeling of roads
遥感图像的分割具有挑战性：1.高分辨率，就要求神经网络需要有很大的感受野，能包含整张图片。2.卫星图像中的道路通常细长，复杂，覆盖整个图像的一小部分。3. 道路自然连通，跨度大。
D_link_net 简介
D-LinkNet使用带有预编码器的Linknet 作为其骨干网络，并在中心部分具有附加的扩展卷积层（Dilated convolution）。 Linknet是一种有效的语义分段神经网络，它具有跳跃连接，残差块和编码器-解码器体系结构的优势。高分辨率并且运行很快。
在不降低特征图分辨率的前提下，扩展卷积是调整特征点感受野（ receptive fields）的有效方法。
Transfer learning 迁移学习是在数据量有限的情况下提高网络表现的有效方式。 D_linknet的encoder是用Imagenet预训练过的ResNet34结构。
2. Method
2.1. Network Architecture
比赛中，提供的图像和mask的大小为 1024×1024, D-LinkNet 被设计为接收 1024×1024大小的图片作为输入，并且保存了详细的空间信息。 D-LinkNet分为三部分 A, B, C三部分, 分别是 encoder, center part 和 decoder 。
Linknet只有A,C的机构，D_linknet额外增加了B（也就是中心部分），用于扩大接受范围，保存详细的空间信息。
考虑到之前讨论的道路的遥感图像分割的挑战，增加网络Center part中心部分的特征点的感受野，并保留详细信息是非常重要的。使用池化层可以成倍增加特征点的感受野，但可能会降低特征图的分辨率，并丢失空间信息。因此空洞卷积层是池化层的理想的代替选择。
Dilated convolution layer can be desirable alternative of pooling layer.
D-LinkNet uses several dilated convolution layers with skip connections in the center part.
Center part的结构展开图：
网络的中心部分可以展开如上图，图中所示的并联结构可以有效的融合多尺度特征。Dilated-convolution可以有效扩张感受野，从上到下对应的感受野分别是31、15、7、3、1，最后将每条支路的结果相加，便得到融合的特征。 Dilated convolution有两种类型：级联模式和并行模式（cascade mode and parallel mode）。center part包含了级联模式和并行模式下的空洞卷积，并且每个路径的感受野不同，因此网络可以结合不同尺度的特征。
其中，1，2，4，8代表了dilated rate。接下来简单的介绍空洞卷积，如何扩展感受野。
Dilated convolution: 空洞卷积（膨胀），在标准的 convolution map 里注入空洞，以此来增加 感受野。dilation rate 指的是kernel的间隔数量(e.g. 正常的 convolution 是 dilatation rate 1)。
pooling减小图像尺寸增大感受野，另一个是upsampling扩大图像尺寸。在先减小再增大尺寸的过程中，肯定有一些信息损失掉了。dilated conv，不通过pooling也能有较大的感受野看到更多的信息。
dilated的好处是不做pooling损失信息的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。
D_Linknet的解码器部分采用转置卷积层进行上采样，将feature map的分辨率从32×32恢复到1024×1024。
3.实验部分
在DeepGlobe Road Extraction Challenge中，使用PyTorch作为深度学习框架。所有模型都在4台NVIDIA GTX1080 gpu上训练。
3.1 dataset
DeepGlobe Road Extraction dataset包括6226张训练图像、1243张验证图像和1101张测试图像，分辨率为1024x1024。将数据集表示为二值分割问题，其中道路标记为前景，其他对象标记为背景。
3.2. Implementation details
数据增强： data augmentation in an ambitious way, including horizontal flip, vertical flip, diagonal flip, ambitious color jittering, image shifting, scaling.
训练模型，Loss用二值交叉熵和Dice coefficient loss。
we used BCE (binary cross entropy) + dice coefficient loss as loss function and chose Adam as our optimizer.
3.3 结果
用Deep U-net作为baseline model ,还测试了预训练过的LinkNet34,再加上我们自己的D-Linknet 。
U-net有把背景识别为道路的错误，LinkNet34在道路连续性上存在不足。D-LinkNet避免了这两种错误。
4.结论
D-LinkNet在一定程度上可以处理道路的窄性、连通性、复杂性和大跨度等特性。
D-LinkNet can handle roads’ properties such as narrowness, connectivity, complexity and long span to some extent.
