Simultaneous Detection and Segmentation 这篇论文比较久远，作为了解实例分割的基础。
主要创新是把detection和分割结合一起。对于检测来说，只能提供一个粗略的位置，而对于语义分割的网络来说需要对每个点进行Label。
总体架构：
MCG+AlexNet+SVM+NMS
改进：
MCG代替SS提取region，用bottom-up分割出的结果，然后把region以及由它组合成boundingboxes来同时优化two-path 的网络
特征提取中不是在两条通道上使用同一网络，而是单独训练这两条路径。
论文的核心：
1、推荐生成：通过MCG算法为每个图像生成2k个候选区域（与RCNN一样耗时）
2、特征提取：联合训练有两条路径的单一网络，从区域bbox和区域前景提取特征（在倒数第二FC层进行拼接两个路径特征）
two-pathway, 一路提取bounding-box特征，一路提取region foreground特征.
3、区域分类：基于CNN最后的特征训练SVM去分每个类别
4、区域改良：对许多重复覆盖的区域进行非最大压制（NMS）， 使用CNN产生的特征直接进行maks prediction，并使用原有的region candidate进行提高。
提取特征网络结构:
