论文阅读：Co-attention CNNs for Unsupervised Object Co-segmentation（IJCAI-18）

论文原文    部分代码实现

一种端到端的、无监督学习实现的图像协同分割。

主要由两个CNNs模块组成：特征提取器、协同注意力生成器。

设计一个协同注意力损失函数，这个函数通过增强一组图像间协同目标的相似性并且增大单幅图像中前景与背景差异性来实现。

弱监督语义分割与协同分割的区别：（没看明白这一段想表达什么）

弱监督语义分割旨在减少分割中的标注代价，弱监督语义分割通常使用图像级（image-level）的标签而非像素级（pixel-level）的标签数据来训练模型。弱监督语义分割（WSS）和系统分割主要有两点区别：1）WSS分为训练和测试两阶段，它使用弱标注训练数据训练模型，再将训练得到的模型应用于测试数据。协同分割是通过在同一阶段发现多幅图像中公共的目标来实现的。2）WSS使用多个已知类别的训练图像，并要求测试图像的类别被训练图像的类别所覆盖。相反，协同分割通常适用于单一、未知类别的多幅图像。

网络结构主要由两个CNN模块组成，分别是协同注意力生成器 和特征提取器 ，以及两个损失函数：协同注意力损失