（科普快餐）语义分割经典论文--2：PSPNet

Pyramid Scene Parsing Network （CVPR2017）
论文地址:https://arxiv.org/pdf/1612.01105.pdf

提出难点：

1. 场景解析对于不受限制的开放词汇表和多样化的场景具有挑战性。
2. 场景解析的难度与场景和标签的多样性密切相关。
3. 复杂场景的说明。长期考虑到不同的场景和不受限制的词汇。
4. 为了实现准确的场景感知，知识图依赖于场景上下文的先验信息。我们发现，目前基于FCN的模型的主要问题是缺乏合适的策略来利用全局场景类别线索。

综上所述，许多错误部分或完全与不同接受域的上下文关系和全局信息有关。因此，具有合适的全局场景级先验的深度网络可以大大提高场景解析的性能。

---

核心思想、方法：

1. 本文的金字塔场景解析网络(PSPNet)如图所示。以提高复杂场景解析中开放词汇表对象和内容识别的性能。
2. 引入了金字塔池模块，通过经验证明了它是一个有效的全局上下文先验。在深度神经网络中，接受野的大小可以大致表明我们使用上下文信息的数量。
3. 全球上下文信息和次区域上下文方面有助于区分各种类别。
4. 为了进一步减少不同子区域之间的上下文信息损失，提出了一个分层的全局先验，它包含具有不同尺度且在不同子区域之间发生变化的信息。在深度神经网络的最后一层特征图上，用其金字塔池模块进行全局场景预先构造。
5. PSPNet为像素级场景解析提供了一个有效的全局上下文先验。金字塔池模块可以收集信息级别，比全局池更具有代表性。

总而言之：通过金字塔模块提取上下文信息，以多尺度的方式提升性能