论文阅读：BASNet：Boundary-Aware Salient Object Detection

论文地址：https://webdocs.cs.ualberta.ca/~xuebin/BASNet.pdf

内容简介

• 这个网络是用来做显著目标检测的(SOD)，可以在边界处取得比较出色的效果
• Boundary Aware指的是用了个针对边界进行关注的loss
• 有种把预测问题建模成了中间预测和边缘预测的感觉

网络结构

还是算一个比较经典的Encoder-Decoder + Refine的结构，先整一个粗的结果，然后再考虑怎么优化。
Encoder-Decoder：

• 每个decoder的输出(图中的sup)受ground truth监督，从而降低过拟合的风险
• Encoder用的是修改后的Resnet-34

Refine：
大多数情况下一个Encoder-Decoder出来其实就"高度可用"了，后面要做的就是疯狂尝试怎么去打磨。首先是这么个思想：
$$S_{\text{refined }}=S_{\text{coarse }}+S_{\text{residual }}$$

这个式子这么理解：refine网络需要学习的是ground truth(实际值)减去coarse(预测值)得到的"残差"。
而这篇文章很有意思的分析了什么叫coarse：

a是ground truth，gt显著图只有0和1两种情况。
b是第一种coarse的情形。因为模型输出的是一个概率图，所以会有个从0到1过渡的过程，但在视觉上这就会造成边缘变淡，看起来模糊。而这个模糊对应的gt有一部分是0，有一部分是1，因此确实有可能找到一个"自适应"的阈值将其分割，从而使得边缘更加锐利。
c是第二种coarse的情形。没有绝对的0和1，中间区域呈现出模糊的情况，这也是目前大部分模型在解决的问题。
d是一般的情形，结合两种coarse的综合情况，中间和边缘都糊。

而具体落实到refine网络的结构上…其实就是一个简化的一阶段encoder-decoder，个人感觉没有太多好研究的。

Loss

首先总的loss是6个side output加上2个output(sup7，sup8)的loss：
$$\mathcal{L}=\sum _{k=1}^K{\alpha }_k{\ell }^{(k)}$$
$l^{(k)}$就是第k个side output的loss，${\alpha }_k$是权重，对中间层的输出进行监督训练有助于减轻过拟合。
而对于某个具体的$l^{(k)}$而言：
$${\ell }^{(k)}={\ell }_{bce}^{(k)}+{\ell }_{ssim}^{(k)}+{\ell }_{iou}^{(k)}$$
给人的感觉就比较，缝合(文中也直接干脆叫了Hybrid Loss，混合损失)…标题中所谓的"Boundary Aware"也是源自于里面的${\ell }_{ssim}^{(k)}$，一个用来针对边界进行监督的loss。
个人感觉这个loss对整个结果贡献巨大：

把Hybrid Loss换成别的单(双)loss后…结果有点过于夸张。