深度学习笔记-经典分割算法总结&后续论文思路

经典分割算法汇总（6篇经典语义分割网络，非实时性）

1. FCN：语义分割端到端的开端
2. U-Net&FushionNet:医学分割算法中的龙头
3. SegNet&DeconvNet:对称编解码结构
4. DeepLab系列：从v1到v3+，算法越来越完善，结果越来越好
5. GCN：角度一，重用大卷积核
6. ExFuse&DFN：角度二，宏观角度看待语义分割

接下来进度与调优思路

1. 以Unet为基础，在自建数据集上跑出Baseline分数
2. 对比DeeplabV3+，查看分数提升多少
3. 以二分类任务为主，参考DANet，GCN，ExFuse与DFN的优化方式，对Unet网络进行优化，提升【分类准确度】和【空间精确度】，以提升边界的分割准确度。
4. 以Unet为基础的架构中需要添加长跳连接和短跳连接两种跳跃连接方式（短跳连接类似ResNet中short cut），两种跳跃连接方式同时使用能够使得模型参数分布更加良好准确，只使用长跳连接深层模型较深部分参数无法更新（梯度消失现象）

待实现的不成熟思路

1. 在语义分割上采样还原过程中，和超分辨率技术有点相似，如果使用超分辨率技术中上采样的方式，从中取得灵感运用到语义分割中是否能提升分割效果