DeepLab系列是针对Semantic Segmentation任务提出的一系列模型，主要使用了DCNN、CRF、空洞卷积做密集预测。重点讨论了空洞卷积的使用，并提出的获取多尺度信息的ASPP模块，在多个数据集上获得了state-of-the-art 表现。
引用自语义分割论文-DeepLab系列
该系列文章主要包括如下：
- DeepLab v1，Semantic image segmentation with deep convolutional nets and fully connected CRFs
- DeepLab v2，DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs
- DeepLab v3，Rethinking Atrous Convolution for Semantic Image Segmentation
- DeepLab v3+，Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
- 语义分割论文-DeepLab系列，作者是合肥工业大学学生，看博客主要研究语义分割相关方向，总结非常详细，值得细看。
- Semantic Image Segmentation with DeepLab in TensorFlow google官方博客使用TF实现了常用的DeepLab模型。
- Liang-Chieh Chen，该系列论文主要作者主页。
- deeplab Tensorflow，该系列文章的TF官方实现，托管在TF Models中。
- DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs DeepLab项目官网。
- deeplab-pytorch和pytorch-deeplab-xceptiondeeplab pytorch实现。
- Deeplab Image Semantic Segmentation Network，论文中对Deeplab以及语义分割发展和常用的结构进行了介绍。