创新点：特征区分网络，分为平滑网络（Smooth network）和边界网络（Border network），解决类内不连续（intra-class inconsistency）和类间模糊（inter-class indistinction）
平滑网络：
- 采用了RRB配合CAB的结构
- RRB实际上就是一个类似ResNet的残差结构
- CAB就是一个注意力机制机构，将高级特征和低级特征concat之后进行全局池化后和高级特征相乘得到注意力模型，最后再加上低级特征（注意这里输入的低级特征和高级特征size完全一样，网络先将低级特征进行了反卷积）
边界网络：
- 用focal loss做为网络监督，主要是为了解决one-stage目标检测中正负样本比例严重失衡的问题，可以让大概率样本损失更小，小概率样本损失更大，迭代更快。
- 使用RRB设计了一个bottom-up结构，用来提升边缘的语义信息
实验结果：
Cityscapes
PASCAL VOC 2012