Deeplib系列目前包括Deeplib v1、Deeplib v2、Deeplib v3、Deeplib v3+，是圖像語義分割中較有影響力的方法。Deeplib v1的論文題目：“Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFS”，下載地址：https://arxiv.org/pdf/1606.00915.pdf
圖像語義分割的開創性方法FCN的結構是：FCN = CNN + 解卷積網絡，這個結構被後續的大部分語義分割方法沿用；Deeplib v1的論文題目是“Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFS”，從這個題目可以看出它與FCN不同，Deeplib v1的結構是CNN後加一個CRF（conditional random field，條件隨機場）網絡，即用CRF替代瞭解卷積。CRF是概率圖模型裏的方法，故Deeplib v1結合了CNN和概率圖模型。
論文中使用的關鍵網絡結構：CNN網絡、CRF、空洞卷積，具體如下：
1、CNN網絡
論文中使用了去掉全連接層的VGG網絡。
2、CRF
CRF全稱Conditional Random Field。論文的圖例中CRF的效果還是很驚豔的：
3、空洞卷積
雖然上面提到的文章的標題沒有體現這點，但Deeplib系列語義分割方法從v1版本就開始使用空洞卷積了。空洞卷積幾乎是主流語義分割方法的標配。