语义分割之fcn和deeplab1,2,3,

这是总结的一个组会报告，小白参考了一些大神的图片和文字，非常感谢~

图像语义分割
普通的图像分割，通常意味着传统语义分割，这个时期的图像分割，由于计算机计算能力有限，早期只能处理一些灰度图，后来才能处理rgb图，这个时期的分割主要是通过提取图片的低级特征，然后进行分割.这个阶段一般是非监督学习，分割出来的结果并没有语义的标注，换句话说，分割出来的东西并不知道是什么。

随后，随着计算能力的提高，人们开始考虑图像的语义分割，这里的语义目前是低级语义，主要指分割出来的物体的类别，这个阶段人们考虑使用机器学习的方法进行图像语义分割。

随着FCN的出现，深度学习正式进入图像语义分割领域，这里的语义仍主要指分割出来的物体的类别，从分割结果可以清楚的知道分割出来的是什么物体，比如猫、狗等等。

常用的数据集：
Pascal VOC 2012：有 20 类目标，这些目标包括人类、机动车类以及其他类，可用于目标类别或背景的分割
Cityscapes：50 个城市的城市场景语义理解数据集
Pascal Context：有 400 多类的室内和室外场景
Stanford Background Dataset：至少有一个前景物体的一组户外场景。

评价标准：
1.执行时间
2.内存占用
3.精确度
MIoU，均交并比：计算两个集合的交集和并集之比，这两个集合为真实值和预测值

论文一：
Fully Convolutional Networks for Semantic Segmentation

发表在：IEEE Transactions on Pattern Analysis and Machine Intelligence
IEEE模式分析与机器智能汇刊

通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务，因为它们最后都得到整个输入图像的一个概率向量，比如AlexNet的ImageNet模型输出一个1000维的向量表示输入图像属于每一类的概率。

示例：猫的图片输入到AlexNet, 得到一个长为1000的输出向量, 表示输入图像属于每一类的概率, 其中在“tabby cat”这一类统计概率最高, 用来做分类任务

缺点：
cnn的每一个卷积层，都包含了 [卷积 + 池化] 处理，这就是大家熟知的下采样，但这样处理之后的结果是：图像的像素信息变小了，因此cnn不能输出像素级别的图像。
cnn接收的图片必须是同一尺寸的。

作者的创新点：
1）不含全连接层的全卷积网络。可适应任意尺寸输入。
2）增大数据尺寸的反卷积层。能够输出精细的结果。
3）结合不同深度层结果的跳级(skip)结构。同时确保鲁棒性和精确性。

1）简单来说，FCN与CNN的区域在把于CNN最后的全连接层换成卷积层，输出的是一张已经