版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/bea_tree/article/details/56678560
首先声明，文末彩蛋，不是笔者提问的
1 一句话总结
作者认为现有模型由于没有引入足够的上下文信息及不同感受野下的全局信息而存在分割出现错误的情景，于是，提出了使用global-scence-level的信息的pspnet，另外本文提出了引入辅助loss的ResNet优化方法。
2 网络结构
本文提出的网络结构简单来说就是将DeepLab（不完全一样）aspp之前的feature map pooling了四种尺度之后 将5种feature map concat到一起经过卷积最后进行prediction的过程。
3 ResNet
本文除了网络之外，其ResNet的模型还是挺强的
如上图，首先作者在训练的时候加入了辅助loss，另外ResNet起始的7x7的卷积替换了三个3x3的卷积
4 实施细节
- 使用了poly的学习策略，learning rate 0.01,power 0.9
- momentum 0.9 weight decay 0.0001
- random mirror
- random resize [0.5,2]
- random rotation [-10 degree,10 degree]
- random gaussian blur
- new caffe (batch size 16)
- auxiliary loss weight to 0.4
5 Ablation study
作者通过实验，验证了文中各种设置的作用
