DLA-34网络是一种深度可分离卷积神经网络（Deep Layer Aggregation），由Gao Huang、Fisher Yu和Vladlen Koltun在2018年提出。它使用了可分解的卷集块来加快计算速度，同时保留了图像语义信息。这个特性使得DLA-34能够在具有高分辨率的图像中运行很快。它通过将大尺寸卷集块内部分割成多个小尺寸子块来实施可分解性。它也采用了一个更大的核心拓扑来加强特征表达能力。

DLA-34目前已成为当今最先进的语义图像分割方法之一，并已成功应用于语音语义理解、医学图像分割以及人体姿态估计中。