论文阅读：Group-wise Deep Object Co-Segmentation with Co-AttentionRecurrent Neural Network（ICCV2019）

协同分割论文阅读：Group-wise Deep Object Co-Segmentation with Co-AttentionRecurrent Neural Network（ICCV2019）

论文原文

 

没有找到该论文原作者的代码实现，只找到一个其他人复现的代码github代码，但是训练出的效果没有达到论文中的效果

目录

1.贡献点

2.总体框架

3.实现细节

4.Loss函数

5.训练细节

---

1.贡献点

提出一种利用协同注意力和循环网络结构实现协同分割的方法。

（1）引入递归网络结构进行协同分割，实现一组（而非一对）图像的协同分割。

（2）提出协同注意力递归单元（CARU），处理图像中协同注意对象在外观和位置上的变化。

（3）提出了一个group-wise训练目标，利用协同对象相似性和图形-背景差异作为额外的监督。

2.总体框架

（1）我们的网络首先用一个CNN网络提取所有图像的语义特征；

（2）然后由两个分支处理特征。单个图像表示分支对每个图像分别进行处理，以学习其独特的属性。同时使用一个设计好的协同注意力循环单元（CARU）)对所有图像利用图像间的协同注意来生成这组图片的group feature。

（3）同时，group-wise表示分支可以通过引入递归结构，逐步学习组内的所有图像，从而学习一种鲁棒的group-wis表示。

（4）将group-wise