本文共 467 字，大约阅读时间需要 1 分钟。

目录

总结近年来常用的经典语义分割网络结构，主要以图文形式展现，欢迎评论，或者在评论中留下详细讲解的链接，博文持续更新....

2018

deeplabv3+

博客资源：

。采用空洞卷积构造ASPP模块，一般ASPP模型在1/16的特征图上进行，low-level Features在1/4的特征图。

2019

博客资源：

对于语义分割，将各个尺度的特征图合并。如下图所示红框所示。利用所有分辨率的特征图,对低分辨率特征图上采样后与高分辨率特征图拼接，经过1*1卷积，softmax层生成分割预测图

2020

HMANet

在ISPRS Vaihingen和Potsdam数据集上，达到了SOTA。采用混合注意力机制的策略

在上的排名如下：

网络结构如下图所示，Attn为Multi-scale attention，预测相邻两尺度之间对应像素的权重关系。

结构说明如下图所示。（偷个懒，不做翻译了^_^）

在上搜索合适的网络参数，权衡速度和精度。网络用SWideRNet（w1, w2, e）表示，结构如下图所示。

SE和SAC

实验

转载地址：http://rlqof.baihongyu.com/