首先是因為做影象分割，所以使用deeplab。思想基本和fcn一樣。先卷機提取特徵，然後闊尺寸至原影象大小。

普通fcn先把影象padding至很大（據說是邊緣補100個0），然後一層層下來，pool （stride＝2）或者是卷機（ stride＝2）5次，影象縮小了32倍，所以之前才需要把影象放大，不然最後得到的特徵圖就太小了。但是補0加大了噪聲。。。

deeplabcv2 採用的新做法是：在pool5開始用一種新的卷機核 Atrous Convolution，hole演算法。

把conv5 開始起的conv都換成atrous conv 並且con的stride和pool的stride都給的1，使得影象不再縮小。並且保證感受野不變。如下圖：

普通的卷集核在stride＝1後，感受野就變小了（7－－－5），

Atrous Convolution會在卷積中間插0，使得卷積核“擴大”（或者另一說法是：在對feature map卷積的時候，隔畫素的去卷），c 和 a 具有一樣的感受野。hole size空洞係數的值可變。

再來一張圖：

這樣操作，就在保證感受野的前提下，還不縮小影象大小。

然後，deeplab cv2還連線了一個金字塔型：

hole_size 設定了6 12 18 24.此為金字塔aspp結構，多尺度的卷積map, 然後相加"融合"得到fc8，再使用闊尺寸8倍，的到原圖尺寸一致的影象。（用tensorflow實現的話，直接有resize函式擴大，預設是雙線性插值法，也可選擇別的插值引數方法。）

最後做的crf使邊緣更細節，這裡就一點值得注意，crf的輸入要求，需要把維度轉換好，需要的一個是rgb的原圖，還有一個是以上f8闊尺寸後再softmax（使前向結算結果變為概率分佈形式）的結果。然後，就得到最後的分割影象了。

參考的博文：http://blog.csdn.net/c_row/article/details/52161394

也可以參看我的另一片博文，說得更細些：