语义分割--Attention to Scale: Scale-aware Semantic Image Segmentation

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://cloud.tencent.com/developer/article/1436672

Attention to Scale: Scale-aware Semantic Image Segmentation

CVPR2016

http://liangchiehchen.com/projects/DeepLab.html

针对语义分割问题，嵌入多尺度信息是很有必要的，这里我们提出用一个 attention mechanism 来学习每个像素位置的 softly weight the multi-scale features

attention model 学习对于不同尺度的物体赋予不同的权重

对于提取多尺度特征，目前主要有两种网络结构：

Skip-net 和 Share-net，这里我们认为 Share-net 能够与 attention model 更好的结合，所以采用了 attention model

怎么融合多尺度特征信息了？

这里我们首先得到权重，再根据权重来融合多尺度特征信息

PASCAL-Person-Part validation set

E-Supv: extra supervision The ground truths are downsampled properly during training

max-pooling 和 attention model 效果对比：

PASCAL VOC 2012 test set

PASCAL VOC 2012 validation set

MS-COCO validation set