本研究では、深層畳み込みニューラルネットワークが計算する特徴応答の解像度を制御するとともに、フィルタの視野（field-of-view）を明示的に調整できる強力な手法であるアトラス畳み込み（atrous convolution）を、意味画像セグメンテーションへの応用において再検討する。複数スケールのオブジェクトを正確にセグメンテーションする問題に対処するため、複数のアトラス率を用いて多スケールの文脈情報を捉えることを目的として、アトラス畳み込みを直列（cascade）または並列（parallel）に組み合わせたモジュールを設計した。さらに、以前に提案したアトラス空間ピラミッドプーリング（Atrous Spatial Pyramid Pooling）モジュールに、グローバルな文脈情報を编码する画像レベルの特徴量を追加することで、性能のさらなる向上を図った。本研究では、システムの実装細則についても詳細に説明し、学習における経験を共有する。提案する「DeepLabv3」システムは、DenseCRFの後処理を用いない前バージョンのDeepLabと比較して顕著な性能向上を達成し、PASCAL VOC 2012の意味画像セグメンテーションベンチマークにおいて、他の最先端モデルと同等の性能を達成している。