现在流行的语义分割模型

目前在语义分割领域中，主流的模型有以下几种：

1. FCN（Fully Convolutional Networks）: FCN 是第一个将全连接层替换为卷积层的模型。它可以对任意大小的输入图像进行语义分割，并且能够输出与输入图像相同大小的分割结果。

2. U-Net: U-Net 是一种常用的端到端的卷积神经网络，它在 FCN 的基础上，增加了一个类似于编码器-解码器的结构。U-Net 能够在较少的训练数据情况下实现较好的语义分割效果。

3. DeepLab: DeepLab 是一个基于多尺度金字塔池化（Multi-Scale Pyramid Pooling）的卷积神经网络模型，它能够有效地处理物体的边界问题，并且能够实现较高精度的语义分割。

4. PSPNet（Pyramid Scene Parsing Network）: PSPNet 也是一种基于多尺度金字塔池化的语义分割模型，不同于 DeepLab，PSPNet 采用了更多的尺度来处理物体的信息，并且使用了一个自适应的特征池化模块，进一步提高了语义分割的准确率。