SegNet: A Deep Convolutional Encoder-Decoder Architecture for Robust Semantic Pixel-Wise Labelling
    这是和DeconvNet 同期的模型，是Vijay Badrinarayanan在2015年5月27日（仅仅相差10天）发表在arXiv上的。
    结构和DeconvNet十分相似，给人一种撞衫的感觉。（可见科研的激烈程度，23333）
    image.png
    相同的两点：

    1. 都是经典encoder-decoder结构，encoder部分都是根据VGG-16来的。
    2. pooling 过程都记录了位置信息，upsampling 的时候使用位置信息。如下图：image.png

    不同点：

    1. 仔细看，SegNet在encoder-decoder中间没有deconvNet的两个全连接层。
    2. SegNet 在卷积层上加了BN结构。

    知乎上有网友的评价：

    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。

    Tensorflow 目前还不支持在池化的时候保留索引，这就很尴尬了。所以上面两个都只有caffe的代码。有人重现了Tensorflow版本的SegNet，不是还是和原始的有些不同。有cpu版本的可用，会比较慢。