semantic segmentation Note
semantic segmentation笔记
1.UNet
利用反卷积，先缩小再放大
2.PSPNet
UNet没有PSPNet效果好。
多种Pooling操作。
3.GCN
全局卷积神经网络，目的就是在全局里面提取语义信息（Unet的缺点）。BR就是一个类似残差单元。
1k k1效果已经很好了
4.DeepLab
Dilated (atrous) convolution
膨胀之后就隔着从feature map中取像素，然后进行卷积操作。覆盖的范围就大了。
DeepLab的好处是不需要将image进行缩小。
但是效果没有Unet那些好。所以作者融合了其他模型的优点，然后创造出了DeepLab V2。
然后又有了V3，通过Pyramid pooling实现了多个rate的Dilate convolution。
通过仿照Unet，然后又有了V3+。现在V3+的效果很好。
MS-D
类似DenseNetwork
AutoML
之前卷积神经网络分类器中介绍了，但是AutoML可能也适合于语义分割。现在就有这方面的研究。