Pyramid scene parsing network. In Proc. CVPR, pages 2881–2890, 2017
目的：扩大感受野，尽可能的利用全局上下文信息（某种程度上，可以认为感受野大小可以认为是对上下文信息利用的程度）。
做法：
1.对骨干提取的feature map（channel =N）做池化得到特征金字塔，
2.然后通过1*1深度卷积降通道分别得到1*1，2*2，4*4，6*6的channel = 1/N的特征图
3.对特征图进行双线性插值填充上采样到原Feature map尺寸
4.与Feature map进行通道拼接（也叫级联）得到channel数增加1倍的特征图
5.再利用1*1卷积核将上述拼接后的特征图 深度卷积降通道 得到与输入特征图Feature通道数一致的最终的语义分割预测结果。