[论文阅读] Pyramid Feature Attention Network for Saliency Detection

论文地址：https://arxiv.org/abs/1903.00179
代码：https://github.com/CaitinZhao/cvpr2019_Pyramid-Feature-Attention-Network-for-Saliency-detection
发表于：CVPR’19

Abstract

显著性检测是计算机视觉的基本挑战之一。如何提取有效的特征是显著性检测的一个关键点。最近的方法主要是不加区分地采用融合多尺度卷积特征。然而，并非所有的特征都对显著性检测有用，有些甚至会造成干扰。为了解决这个问题，我们提出了金字塔特征注意力网络，以关注有效的高级背景特征和低级空间结构特征。首先，我们设计了上下文感知的金字塔特征提取(CPFE)模块，用于多尺度高层特征图，以捕获丰富的上下文特征。其次，我们在CPFE特征图后采用通道注意力(CA)，在低层次特征图后采用空间注意力(SA)，然后将CA和SA的输出融合在一起。最后，我们提出了一个边缘保留损失，以指导网络在边界定位中学习更多的细节信息。在五个基准数据集上进行的广泛评估表明，所提出的方法在不同的评估指标下优于SOTA。

I. Overview

本文的主要思想是，浅层特征(前两个block)与深层特征(后三个block)对最终结果的贡献是不同的；前者能提供局部细节信息，但是噪声多；而后者能提供全局上下文，但是细节不足。因此，需要设计不同的结构分别对这两种特征进行处理。

II. Network Architecture

可以看到，本文也是并没有去采用严格的逐级上采样decoder。对于低级特征conv1、conv2，经过一个3×3卷积进行降维，然后通过空间注意力处理；而对于高级特征conv3、conv4、conv5，经过一个CPFE模块处理，再通过通道注意力以及一个1×1卷积，最后直接上采样4倍；此时，再将处理后的低级特征与高级特征相加，通过一个卷积层得到最终结果。

这里面其实有个小讲究，对于低级特征，只用了空间注意力，因为在浅层各个通道的重要程度都差不多（也没多少通道）；而对于高级特征，只用了通道注意力，因为在深层是比较抽象的高级语义特征，因此在这里用空间注意力没有什么意义。

总而言之也是属于比较"轻量简洁"的那种。

III. Context-aware Pyramid Feature Extraction(CPFE)

说白了就是对三个深层特征conv3、conv4、conv5各自过一个空洞卷积块。

IV. Channel-wise Attention(CA)

V. Spacial Attention(SA)