语义分割论文：SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation (arXiv2015)

SegNet:
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation (arXiv2015)
https://arxiv.org/pdf/1511.00561.pdf
http://mi.eng.cam.ac.uk/projects/segnet/tutorial.html

特点 ：

1. 使用了对称的Encoder-Decoder网络结构来实现语义分割。Encoder编码器处执行卷积和最大池化，在进行最大池化时，存储相应的最大池化索引（位置）;Decoder解码器执行上采样和卷积，最后将每个像素送到softmax分类器，其中在上采样期间，调用相应编码器层处的最大池化索引以进行上采样；
2. SegNet比FCN和DeepLabv1慢，因为SegNet包含解码器架构。它比DeconvNet更快，因为它没有全连接层;
3. SegNet在训练和测试期间的内存要求都很低。并且模型尺寸比FCN和DeconvNet小得多;