根据论文网络结构图讲一下：

网络分为两部分：encoder和decoder部分。
Encoder：DCNN就是主干网络，例如resnet，Xception，MobileNet这些（主干网络也要使用空洞卷积），对dcnn的结果利用ASPP（Atrous Spatial Pyramid Pooling）ASPP也就是利用不能rate的空洞卷积，并把ASPP的结果合并，经过11卷积得到高级特征。
Decoder：对DCNN的低层次结果进行11卷积，并对encoder的高级特征进行4倍上采样，将二者合并，再经过3*3卷积和4倍上采样对像素进行分类。
现在来看deeplabV3+的结构还是很简单的。参考下面的链接阅读源码：
VainF/DeepLabV3Plus-Pytorch: Pretrained DeepLabv3 and DeepLabv3+ for Pascal VOC & Cityscapes
bubbliiiing/deeplabv3-plus-pytorch: 这是一个deeplabv3-plus-pytorch的源码，可以用于训练自己的模型。

参考：
deeplabv3+
https://arxiv.org/abs/1802.02611
https://blog.csdn.net/qq_37541097/article/details/121752679
https://zhuanlan.zhihu.com/p/68531147
https://blog.csdn.net/weixin_44878336/article/details/132061772
https://blog.csdn.net/m0_46677695/article/details/143885395