论文阅读: 2005.U2Net

2005.09007：U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection

• 该网络用于轻量级的 SOD（显著目标检测，Salient Object Detection），能够取得出色的效果，同时模型文件较小，更适合于移动设备。

创新点

• U-shape套娃：
  • 原有的U-shape架构套娃U-shape子架构，最终能取得十分出色的效果：

    

    在这里插入图片描述

    • 原文表示甚至还能继续往下套娃（不过会too complicated to be implemented）。
    • 网络结构能做的更深，能够更好的利用更高分辨率下（更准确的说，多尺度下）的特征。
  • RSU（残差U形块，如图e）：

    

    在这里插入图片描述

    • 由于U型结构导致的计算开销很小，这是因为大多数操作是对下采样的特征进行。
    • 多尺度特征从逐渐下采样的特征图中提取，并通过逐渐上采样、拼接和卷积编码成高分辨率特征图。
    • 该过程减轻了由大规模直接上采样引起的精细细节的损失。
    • 参数L：
      • 更大的L会有更深的RSU块，更多的池化操作，更大范围的感受野和更丰富的局部和全局特征。
      • 使用不同L的RSU可以从具有任意空间分辨率的输入特征图中提取多尺度特征。
  • 第三步残差连接，也就是计算局部特征和多尺度特征的和。

    

    在这里插入图片描述

• 详细结构：
  • Backbone：
    • 结构中的一个个小U Net在文中称为U block，一共有11个(En_1~De_1)：
    • En_1~En_4：U block的高度在逐渐降低(7，6，5，4)，因为特征图的尺寸也在逐渐降低，如果此时高度仍不变的话则容易在深层造成特征丢失。实际上在代码中高度参数也是可以调整的，从而适应不同尺寸的原始输入，比如输入特征图尺寸更大的话则可以适当调高U block高度。
    • En_5~De_5： 此时由于特征图的尺寸已经很低了，因此U block中就没有再进行下采样上采样，防止特征损失，只使用空洞卷积来提取特征。
    • De_4~De_1： 与Encode部分基本对称，并且同样引入了skip connection。
  • Side Output：
    • 也就是中间Decoder的输出，在图中为S1~S6。由于低层的中间结果尺寸较低，因此也会采用双线性插值回原尺寸。最后对这六张结果(按通道)连接后进行1×1卷积压缩为单通道，获得最终的输出。
    • 这种利用中间结果的思想可能来源于HED(Holistically-Nested Edge Detection)。
  • Loss：
    • 直接使用的是BCE Loss，将六个side output与最终结果各自的bce loss进行平均。需要注意还是由于side output的尺寸较低，因此同样也会上采样再计算loss。