1.feature maps
在每个卷积层,数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起,其中每一个称为一个feature map。在输入层,如果是灰度图片,那就只有一个feature map;如果是彩色图片,一般就是3个feature map(红绿蓝)。层与层之间会有若干个卷积核(kernel),上一层和每个feature map跟每个卷积核做卷积,都会产生下一层的一个feature map。这里可以理解为Chanel=feature map
2.confidence map
可以翻译为置信图.是一个图像中所有的像素所满足的分布
3.belief map
在deeplabv3中的第三页的第一段中提到过:our cascaded modules are applied directly on the feature maps instead of belief maps.
暂时还没有理解,日后填坑
4.heat maps
在FCN中提到,将最后一层的全连接改为全卷积得到的特征图叫做heat map ,用来做分类或者语义分割