一、深度学习代表问题

不匹配关系：SPP，ASPP、PSPNet、GFN、GCN等

只注重局部纹理，不考虑全局关系，而将对象错分。

不寻常类：RedNet、RDFNet

对象纹理与背景颜色纹理相似或相同，难以区分。

二、基础概念

1.1、conv卷积

过滤器

结果第一个数：4=1x1+1x0+1x1+0x0+1x1+1x0+0x1+0x0+1x1

1.2、反卷积

2、maxpool最大池化

若池化使用的滤波器是2x2，则取该对应区域内最大像素值替代该像素值。

3、感受域（感受野）

stride越大，感受野越大，保留的信息越少

stride越小，感受野越少，保留的细节越多

4、端到端训练

输入是原始图像，输出是预测图像，两者大小相同。传统方式是输入是图像，输出是概率值。

三、论文精读

1、论文摘要精读结构

  • 卷积神经网络是什么，讲整个大背景的概述。
  • 我们的核心观点是什么。
  • 我们设计的神经网络能达到什么效果，有什么样的作用和功能。
  • 为了实现这个功能我们做了什么步骤，及其创新点。
  • 我们的模型在哪些数据集上跑出了好的结果。

2、训练技巧