粗读SegFix: Model-Agnostic Boundary Refinement for Segmentation

        本文提出了一种理论上和机制上能够提高所有模型分割效果的一种后处理方法。

        众所周知，分割出错的地方一般都是边界区域，本文从这一点下手，训练两个网络，能够判断哪里是边界以及该像素所处主体的中心在哪个方向。

        如图，boundary branch判断边界地带，direction branch判断边界地带的像素所处的主体在哪个方向。两者的GT由下图得出。

        对于每个主体，分别计算这个主题中每个像素到最近边界的距离，然后利用sobel算子求出方向。因为sobel算子原理为求梯度，所以根据distance map的数字向哪个方向变大最快，就能得到dirction的GT。

        如上图，到了最终用于测试集时，先用任何已有模型求出一个粗略分割结果，然后将backbone提取出的信息输入给本文提出的模块，得到offset图，然后，只有边界地带的像素会根据offset图调整结果，他们会根据箭头，用箭头所指方向的像素块的颜色覆盖自己的颜色，即改变分割结果。