关于CNN中的maps

1.feature maps

在每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起，其中每一个称为一个feature map。在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片，一般就是3个feature map（红绿蓝）。层与层之间会有若干个卷积核（kernel），上一层和每个feature map跟每个卷积核做卷积，都会产生下一层的一个feature map。这里可以理解为Chanel=feature map

2.confidence map

可以翻译为置信图.是一个图像中所有的像素所满足的分布

3.belief map

在deeplabv3中的第三页的第一段中提到过：our cascaded modules are applied directly on the feature maps instead of belief maps.

暂时还没有理解，日后填坑

4.heat maps

在FCN中提到，将最后一层的全连接改为全卷积得到的特征图叫做heat map ，用来做分类或者语义分割