1.介绍
由于最近要用到语义分割模块，所以又把相应资料拿来读了一下，顺便也做一个笔记，发一篇博客，哈哈。今天的猪脚是FCN、SegNet和PSPNet，由于比较基础，就三个拿来一起介绍。其中，FCN是用深度学习做语义分割的开山之祖。
2.模型结构
1）FCN
它的结构与VGG（当然这个基础网络你用其它的也行）相似，只是把后面的全链接改成全卷积，为了得到更精细的结果，作者提出将第4层的输出和第3层的输出也依次反卷积，分别做16倍和8倍上采样，最后把不同层级的池化层上采样得到的结果图像叠加在一起
优点：端到端，适应任何输入图片大小
缺点：1.是得到的结果还是不够精细。进行8倍上采样虽然比32倍的效果好了很多，但是上采样的结果还是比较模糊和平滑，对图像中的细节不敏感。2.是对各个像素进行分类，没有充分考虑像素与像素之间的关系。忽略了在通常的基于像素分类的分割方法中使用的空间规整（spatial regularization）步骤，缺乏空间一致性。
2）SegNet
SegNet可以看出一个自编码器，只不过输出是一个分割图而已
SegNet的创新点在于解码器对低特征图的上采样处理方式。具体来讲，解码器利用在max-pooling过程中计算出的池化indices，计算对应的编码器的非线性上采样。这个过程就省去了上采样学习的过程。
3）PSPNet
前面两个模型都不够精细，没有充分利用上下文关系，大多数先进的场景解析框架大多数基于FCN，但FCN存在的几个问题：
1.Mismatched Relationship：上下文关系匹配对理解复杂场景很重要，例如在上图第一行，在水面上的很可能是“boat”，而不是“car”。虽然“boat和“car”很像。FCN缺乏依据上下文推断的能力。
2.Confusion Categories： 许多标签之间存在关联，可以通过标签之间的关系弥补。上图第二行，把摩天大厦的一部分识别为建筑物，这应该只是其中一个，而不是二者。这可以通过类别之间的关系弥补。
3.Inconspicuous Classes：模型可能会忽略小的东西，而大的东西可能会超过FCN接收范围，从而导致不连续的预测。如上图第三行，枕头与被子材质一致，被识别成到一起了。为了提高不显眼东西的分割效果，应该注重小面积物体。
针对上面问题，作者提出了一个具有层次全局优先级，包含不同子区域之间的不同尺度信息的模块，该模块融合了4种不同金字塔尺度的特征，第一行红色是最粗糙的特征–全局池化生成单个bin输出，后面三行是不同尺度的池化特征。为了保证全局特征的权重，如果金字塔共有N个级别，则在每个级别后使用1×1的卷积将对应级别通道降为原本的1/N。再通过双线性插值获得未池化前的大小，最终concat到一起。