【语义分割】常用模型架构浅读

                Semantic Segmentation with Deep Learning

From FCN to Dilated Convolution

Fcn-Fully Convolutional Networks for Semantic Segmentation

Key Contributions:

1. 采用了end-to-end,pixels-to-pixels的全卷积网络（用卷积层代替原来的全连接层）
2. 可以输入任意尺寸，并且输出等同输入尺寸的大小
3. 反卷积层上采样(增大特征图尺寸，输出精确的结果） 
4. 利用跳跃链接改善上采样粗糙像素定位

Paper Details: 

从整体结构上来看，FCN将全连接层去掉，采用反卷积层来代替，如下图1.1，图1.2
 

                                                                         Figure 1.1

                                                                          Figure 1.2

由图1.2可见，前五层都是卷积层，到了第6，7这两层，原来的卷积神经网络都是采用全连接，都是4096的一维向量。而现在改为卷积层变成了（4096，1，1）然后论文后续利用卷积层进行反卷积操作，也可以称为上采样操作。 
此外，为了改善上采样的效果，此论文采用了一种跳跃连接的方式，如图1.3

                                                                           Figure 1.3

对原图进行卷积conv1,pool1图像缩小到1/2,...,到conv5,pool5,图像已经缩小到原来的1/32，在此过程中保留了pool3,pool4,pool5的feturemap&