Instance-sensitive Fully Convolutional Networks - eccv 2016

Instance-sensitive Fully Convolutional Networks - eccv 2016

=====

论文地址：http://arxiv.org/abs/1603.08678

=====

一句话概括：

  根据local coherence的特性，以sliding window的方式，利用FCN产生positive-sensitive的instance-level的segment proposal。

=====

framework

从上图可以看出，该network是一个full convolutional network（based on VGG16），除了feature extractor（VGG16的前13个conv layers）外，还有两个branches：

    1 segment branch

该branch由1*1 conv，3*3 conv和一个assembling layer构成，后接segment的loss layer（采用logistic regression layer）

    2 scoring branch

该branch由3*3 conv，1*1 conv构成，后接一个scoring的loss layer（采用logistic regression layer）

显然segment branch产生instance-level的segmentation mask，scoring branch对segment branch产生的instance mask进行打分。

（这里为objectness score，有点不明白为什么不是class-specific的）。

剩下的network architecture（VGG16-base）见下图：

论文采用了hole algorithm来获取dense的feature map同时保持和原来VGG16的感受野大小。

=====

key module - assembling module

论文中的network（如上所述&