图像语义分割网络，SegNet相比DeconvNet有啥创新
创新之处在于: Segnet相对于Deconvnet去掉了fc层，导致参数大大减少，训练速度增加很多
还有一处不同是，在upsamplng过程中，Segnet使用的是convolution, 而Deconvnet使用的是Deconvolution.
■网友
【图像语义分割网络，SegNet相比DeconvNet有啥创新】 segnet去掉了全连接层从而提升了速度，加了batch normalization加快了收敛抑制了过拟合，加了bayesion可以输出图像的不确定性分割数值，加了test batch dropout提升测试时的性能，加了带权重softmax应对分割样本不均衡现象。可以说，segnet是更实用的框架，另外还有一种U-Net，二者是Kaggle比赛中屡试不爽的框架。
推荐阅读
- 想要入门图像处理，应该从哪本书看起
- 学图像处理有哪些不错的书推荐
- 卫星云图中这种图像是啥情况
- 图像特征提取时，灰度共生矩阵的方向是咋确定的
- 想要找图形图像方面的CTO合伙人，怎样寻找靠谱
- 图像的傅里叶变换的理解问题
- 如果已确定图像中物体的位置， 常用的目标分割和提取算法有哪些
- 计算机图像处理与模式识别方向怎样学习
- 做图像处理，考研失败是选择调剂还是直接工作
- 关于高斯平滑的问题