Predicting Depth, Surface Normals and Semantic Labels with a Common Multi-Scale Convolutional Archit

代码开源：http://cs.nyu.edu/~deigen/dnl/

摘要中说，这篇文章是一石三鸟，深度预测，表面估计和语义分析，同样的网络结构的三个应用。。。

网络结构

这个算法结构比较有意思，首先根据整张图片进行粗提取一个全局的输出预测，整个结构是取自于[8]，不过创新就是1，更深了，2，又加了一个尺度，输出尺寸是输入的一半。3.多通道特征，而不是将特征由1传递到2（是因为concat嘛？有点densenet的意思~貌似是个挺不错的结构~），再细看算法结构：

结构说明得很清楚，看几个细节，stage2和stage3的尺寸不变的，也就是stride为1，基本上通道数和kernel也不变。stage1主要是为了finetune AlexNet与VGG才会变得如此奇怪。upsample应该是双线性插值。

接下来逐一分析：

scale 1：全图像视角：

scale1出来的就是整个图像区域的粗特征预测。它总共有两种，一种AlexNet，一种是VGG。这个呢，看代码也是直接使用VGG的结果，后面文中讲这种提取粗特征对于图片有了一个全局的掌握，因此视野比较宽阔，因为是全局视野。

scale 2：预测

比上文的特征粗提取网络的视角虽然狭窄了（代码着重看下视