论文阅读：ReSeg: A Recurrent Neural Network-based Model for Semantic Segmentation

1 摘要

本文基于ReNet提出ReSeg网络，ReSeg网络的特征提取阶段（编码器阶段）采用的是预训练好的CNN网络结构，而在恢复图像尺寸的时候（解码器阶段，也就是上采样阶段）采用了RNN结构，RNN结构部分是基于ReNet的，ReNet是基于RNN的图像分类网络。ReSeg结构处理语义分割任务非常灵活、高效，引入的ReNet模块能够更好地整合上下文信息，达到很好的效果。ReSeg结构在Weizmann Horse数据集、Oxford Flower数据集、和CamVid数据集均达到最好的效果。有关ReNet网络的介绍可以参考我的另一篇文章：

论文笔记：ReNet: A Recurrent Neural Network Based Alternative to Convolutional Networks

2 亮点

2.1 ReNet结构改进

ReNet结构是如下图模样，注意ReNet结构图中的各个16x16，8x8，4x4等模块应该画成不同大小的，这里画成了同一尺寸。

而下图则是R