图像语义分割的几种结构

FCN在之前做过介绍

下面是几种对称结构，基本上都是基于编码和解码的过程，主要使用了卷积和反卷积，池化，上采样的结构。

上采样的实现主要在于池化时记住输出值的位置，在上池化时再将这个值填回原来的位置，其他位置填0。

 SegNet

 

DeconvNet

 

 下面是一种稍微成熟的结构，称为带洞卷积结构。

DeepLab 

带洞卷积实际上就是普通的卷积核中间插入了几个洞，如下图。

它的运算量跟普通卷积保持一样，好处是它的“视野更大了”，比如普通3x3卷积的结果的视野是3x3，插入一个洞之后的视野是5x5。视野变大的作用是，在特征图缩小到同样倍数的情况下可以掌握更多图像的全局信息，这在语义分割中很重要。