backbone部分 vgg换成了resnet50，并且在backbone中使用到了膨胀卷积
从最开始到layer2和resnet网络是完全一样的
layer3，4有所不同
bottleneck1（对应原来的虚线残差结构）
不同点在于：捷径上卷积核步距改为了1（resnet中会将特征层大小缩小为原来的一半）
因为在语义分割网络中如果下采样的倍率过大，还原回原图效果会受影响，所以这里就没必要下采样了
主干上，第二个卷积层步距也从2该到了1，并且引入了r参数（膨胀系数）
bottleneck2
不同之处在于主干上第二个卷积层使用了膨胀卷积（r参数 ）
FCN head模块
通过第一个卷积层后，会将特征层的深度缩小为原来的四分之一
这里最后的1*1卷积层会调整特征层的channel为分类任务中的类别个数
最后再通过双线性插值的方法将其还原为原图大小
从layer3引出的FCN Head（结构和另一个一样）
作用是：防止误差梯度无法传递到网络浅层
所以就引入了一个辅助分类器（和Googlenet中的辅助分类器作用是差不多的）（训练时可用可不用）
预测过程中不会使用这个辅助分类器
3423
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
