1. 《Object-Contextual Representations for Semantic Segmentation》

通過粗糙分割的map圖得到object region representations, 然後計算特徵的相關性，進而強化相關特徵

2. 《EfficientFCN: Holistically-guided Decoding for Semantic Segmentation》

設計了不同於FCN，DilatedFCN, Encoder-Decoder 的模型結構，既比DilatedFCN 速度快，計算量小，又沒有Encoder-Decoder結構上取樣丟失資訊。簡單說就是在不使用空洞卷積的情況下，保留OS 8尺度特徵圖，同時融合更深層的全域性特徵。

3.《Improving Semantic Segmentation via Decoupled Body and Edge Supervision》

4.《Learning to Predict Context-adaptive Convolution for Semantic Segmentation》

利用動態卷積核得到spatially-varying的特徵加權係數