圖像分割作為計算機視覺的一個方向，廣泛應用在各個領域，記錄一下學習的過程，以及各個網絡的優缺點，不同的地方等。
最流行的方法是FCN，整個分割的流程大致可以看做如下：
FCN顧名思義，全卷機網絡，就是把fc層都換做1x1的卷積層，channel等價於fc層的輸出個數。
FCN的架構為編碼器，和解碼器組成，編碼器階段為 卷積+池化的下采樣過程， 解碼器階段為卷積+upsampling的過程，最后接上一個1x1的filter進行pixel分類，如下圖
上采樣的原因： 池化層會丟失圖像信息和降低圖像分辨率且是不可逆的操作，對圖像分割任務有一些影響。上采樣可以補足一些圖片的信息，但是信息補充的肯定不完全，所以還需要與左邊的分辨率比較高的圖片相連接起來（直接復制過來再裁剪到與上采樣圖片一樣大小），這就相當於在高分辨率和更抽象特征當中做一個折衷，因為隨着卷積次數增多，提取的特征也更加有效，更加抽象。—— jianyuchen23 from zhihu
SegNet的全稱是“用於圖像分割的深度卷積編碼器-解碼器架構”
segnet的上采樣是做反向 max pooling， 在做下采樣的時候，segnet會記錄max pooling的index的位置，剩下的部分用0來填充：
