一句话总结
如文章名字所言,本文主要强调大的kernel的重要性,pascal上82.2%。文章的试验和分析还是挺细致的。
故事背景
文章认为,classification和localization之间是有冲突的,我们平时所用的卷积分割网络,在提高分割效果的同时,削弱了分类的能力。文中认为通过设置大的感受野可以获得featuremap与pixel score之间的densely connections。
1 Global Convolutional Network
文章所谓的Global Convolutional Network 是增大kernel size获得更大的感受野,而增加感受野的方式如下:
使用了 K x 1和1 x K的卷积核,计算量小,参数少
另外作者在使用GCN提高分类能力的同时,增加了一个Boundery Refinement的 模块来增加边缘信息。