语义分割模型

1.FCN

（1）通道数 21 的特征层，21 = 数据集类数20 + 背景1，每一个像素有21个通道，对21个通道进行softmax回归，之后就可以获得每一个像素的每一个类别的预测概率，因为可以确认像素概率最大的那一类。

（2）CNN中的最后通过全连接层，输出为一个一维向量，在每一个通道中显示这张图片对应每种类别的概率。然而在在FCN中，最后输出是一个二维数据，可以去看到每一个像素的信息。那么是如何将全连接层转换成卷积层？

         因为参数数量一致（下图计算），所以将全连接层的每一个节点对应的权重进行reshape，就可以给卷积层来使用了。

（3）上采样有三种方式：双插值，反卷积，反池化三种

2.Unet

（1）采用了与FCN不同的特征融合机制，concat（类似于yolov3的特征融合）

（2）引用了overlap-tile策略

https://blog.csdn.net/soaring_casia/article/details/110677745?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522167204606516800213020617%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=167204606516800213020617&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-110677745-null-null.142^v68^pc_rank_34_queryrelevant25,201^v4^add_ask,213^v2^t3_esquery_v3&utm_term=overlap-tile%E7%AD%96%E7%95%A5%E5%AE%9E%E7%8E%B0&spm=1018.2226.3001.4187

（3）overlap-tile策略讲解引用于这篇帖子

（4）随机弹性变形进行数据增强

（5）采用了加权交叉熵

3.Segnet

（1）将最大池化指数转移至解码器中，也就是保留了池化层提取参数的位置信息，在反池化层时复原到对应位置上（其他位置补0）

 4.Multi-Scale Context Aggregation by Dilated Convolutions

（1）使用了空洞卷积，这是一种可用于密集预测的卷积层;

（2）提出在多尺度聚集条件下使用空洞卷积的“背景模块”。

（3）在vgg网络的基础上，用空洞卷积来替换vgg中的下采样层，来做到维持图片的尺寸。空洞卷积层在不降低空间维度的前提下增大了相应的感受野指数。

5.DeepLab（V1&V2）

（1）引入了条件随机场，利用像素间的关系来增加分类准确率

（2）ASPP是由空洞卷积（Atrous/Dilated Convolution）组成。如果想要对图片提取的特征具有较大的感受野，并且又想让特征图的分辨率不下降太多（分辨率损失太多会丢失许多关于图像边界的细节信息），这两个是矛盾的，想要获取较大感受野需要用较大的卷积核或池化时采用较大的strid，对于前者计算量太大，后者会损失分辨率。而空洞卷积就是用来解决这个矛盾的。即可让其获得较大感受野，又可让分辨率不损失太多。