论文阅读：Instance-Level Salient Object Segmentation

论文目的：

saliency detection 和 salient object segmentation

本文框架：

首先，作者提出a deep multiscale refinement network（MSRNet），并用这个网络分别获得了salient region detection和salient object contour detection。其次，使用MCG方法，计算之前contour获得salient object proposal，紧接着用MAP-based subset optimization method进一步获得一系列更简洁的proposal。最后，作者提出a fully connected CRF model，将获得的initial salient mask和object proposal 融合，获得最终的salient object segmentation。

论文贡献：

I. 提出了MSRNet，获得的saliency map效果超过现有的其他算法。MSRNet不仅整合了bottom-up和top-down的图像信息，同时考虑不同的图像尺度对结果的影响。
II. 结合了一些现有技术，将salient object分割成Instance。
III. 贡献了一个新的数据集。

算法细节：

I. MSRNet：

在提出的MSRNet中，作者做了两件事：1. 调整了传统VGG16，联合bottom-up和top-down信息。2. 增加了2个尺度，再用权值进行结合。

关于refined VGG16：

其实主要做的事情就是将底层的feature map和高层的feature map整合在一起。

关于Multiscale Fusion with Attentional Weights：

本文中作者将使用三个尺度的输入图片， S