论文阅读：SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation

1 摘要

本文提出一种可用于端到端训练的语义分割网络结构——SegNet，它是一种编码器—解码器结构。编码器结构类似于VGG16的前13层，而本文的重点介绍在于解码器部分，其创新性地使用了一种池化索引的上采样方法，不仅消耗更小的内存，而且在上采样部分避免了学习。该网络主要运用于道路场景分割任务和室内场景分割任务，并且在CamVid数据集和SUN RGB-D数据集中达到了SOTA。

2 亮点

2.1 网络结构

2.1.1 编码器结构

编码器结构是在VGG16的基础上进行的改进：去掉了后3层的全连接层，只取前13层。这样大大地减少了全连接层带来的参数的增加（从134M到14.7M），另外，在编码器阶段，进行最大池化操作时候把滑动窗口时最大特征的位置记录下来（作用后面在解码器结构会讲），只需要2个bit。总体来说，编码器结构在跟语义分割中的变化不是非常大，本文重点介绍解码器结构。

2.1.2 解码器结构

在解码器结构中，需要对图像的大小进行恢复，在FCN网络和SegNet网络中，