本部分只包含代码，具体论文解读请点击
图像语义分割是一个从粗略到精细的过程
- 图像分类
- 图像中一个或多个实例分类
- 实例定位
- 图像语义分割
- 实例分割（同一类中不同的实例分割）
- 缺少对不同特征的感知，阻碍了再具体问题和场景中的应用
- 由于固有的空间不变性，不能将全局的上下文信息考虑进去
- 不能感知实例
- 不能适应无结构的数据
- 需要大量的标签数据
-
解码变种：对低分辨率的特征图的处理不同
- 编码器：卷积网络
- 解码器：反卷积网络
-
整合上下文信息：整合不同空间尺度的信息，对局部信息和全局信息进行平衡
- 条件随机场：做为后期处理，组合低层次的像素级别的信息
- 膨胀卷积：增大卷积核的步伐获得更宽的感受野（带孔卷积）
- 多尺度聚合：
- 特征融合：提取不同层的特征进行融合，包含了不同的局部上下文信息
- 递归神经网络：