cvpr2019，使用DRL交互学习上下文网络和分割网络。
结合context的语义分割
C-net上下文网络：智能体。
S-net分割网络：生成p-map（预测结果），作为环境。原图提取特征和Pyramid Pooling。
将上下文学习问题定义为马尔科夫决策过程，并提出通过C Net、S Net之间的交互来学习上下文。这一优化过程可以通过深度强化学习解决，将p-map视作环境而C Net视作智能体。
细节不是很明确
文中几乎没有DRL有关state\action的细节，说明DRL不是文中重点而是工具，DRL正成为非differencial的优化问题一个很常见的解决框架。（因为细节比较相关，以后有代码看一下最好了）
DRL使用A3C，细节被忽略。