这部分内容主要来自别人的总结
来自：Semantic Segmentation using Fully Convolutional Networks over the years
- FCN：首次将FCN用到语义分割 --- 利用deconvolution作为上采样，以及结合skip connection来"修正"空间信息。
- SegNet：采样unpooling的方式进行上采样
- U-Net："阶梯结构"（也可称为U结构），且采样concat操作
- Fully Convolutional DenseNets：将U-Net里面的基础架构改为DenseNet的Block
- E-Net和Link Net：主要为了消减参数
- Mask R-CNN：引入mask分支---其实针对的是实例分割
- PSPNet：引入Pyramid pooling module --- 整合不同区域的context从而获取全局的context
- RefineNet：通过RefineNet结构（可以允许多个输入进行融合）将粗糙的高层语义特征和细粒度的低层特征融合
- G-FRNet：通过"门控"来"提炼"encoder中对于decoder真正有帮助的信息
- DeepLab v1
- DeepLab v2
- DeepLab v3
- DANet
- DCNet
- PSANet