PSPNet网络要点

• 基础层经过预训练的模型(ResNet101)和空洞卷积策略提取feature map,提取后的feature map是输入的1/8大小
• feature map经过Pyramid Pooling Module得到融合的带有整体信息的feature，在上采样与池化前的feature map相concat
• 最后过一个卷积层得到最终输出
• 
  

论文用了一个很“玄学”的方法搞了一个基础网络层，如下图：

在ResNet101的基础上做了改进，除了使用后面的softmax分类做loss，额外的在第四阶段添加了一个辅助的loss，两个loss一起传播，使用不同的权重，共同优化参数。后续的实验证明这样做有利于快速收敛。

实验都是以ResNet50-Baseline为基准，最后以α=0.4α=0.4为最佳。