Deeplib v1

Deeplib系列目前包括Deeplib v1、Deeplib v2、Deeplib v3、Deeplib v3+，是图像语义分割中较有影响力的方法。Deeplib v1的论文题目：“Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFS”，下载地址：https://arxiv.org/pdf/1606.00915.pdf
图像语义分割的开创性方法FCN的结构是：FCN = CNN + 解卷积网络，这个结构被后续的大部分语义分割方法沿用；Deeplib v1的论文题目是“Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFS”，从这个题目可以看出它与FCN不同，Deeplib v1的结构是CNN后加一个CRF（conditional random field，条件随机场）网络，即用CRF替代了解卷积。CRF是概率图模型里的方法，故Deeplib v1结合了CNN和概率图模型。

论文中使用的关键网络结构：CNN网络、CRF、空洞卷积，具体如下：

1、CNN网络
论文中使用了去掉全连接层的VGG网络。

2、CRF
CRF全称Conditional Random Field。论文的图例中CRF的效果还是很惊艳的：

3、空洞卷积
虽然上面提到的文章的标题没有体现这点，但Deeplib系列语义分割方法从v1版本就开始使用空洞卷积了。空洞卷积几乎是主流语义分割方法的标配。