深度学习—— Scale-aware Semantic Image Segmentation

CVPR2016原论文：Attention to Scale: Scale-aware Semantic image Segmentation
源代码（caffe框架）：http://liangchiehchen.com/projects/DeepLab.html

1.主要内容：
提出了多尺度注意力机制的语义分割网络模型。该网络模型具备两大特点：1，运用了多尺度特征 2，运用了注意力机制。

运用多尺度特征，网络模型能捕获到不同感受野的上下文特征，这些上下文图像特征对于语义分割十分重要。提取多尺度特征的两种方式：1）在中间层采用跳跃连接，然后将这些不同层的特征进行融合。2）用多个不同尺寸的图像作为输入，共享同一个网络。如下图：

运用注意力机制，网络模型能够区分图像中哪些地方的特征信息更加重要。特别地，该模型对每个尺度特征都采用了注意力机制。

2.主体网络结构：

主要分为两个模型网络：深度卷积网络；注意力模型网络。

深度卷积网络提取不同尺寸图像的特征信息Score map。

注意力模型网络获取注意力权重特征weight map。