论文摘要

Understanding Convolution for Semantic Segmentation:

大部分优秀的语义分割方法都不外乎在这三点：1）FCN，2）CRFs，3）Atrous convolution。

目前主流的方法关注于前两点，不断使用更深的FCN模型，应用各种形式的CRFs获得更好的效果。

我们关注于第三点，encoding和decoding的卷积操作，目前主流的方法在decoding过程都是使用双线性上采样到ouptut label map，双线性上采样并不可学习还会丢失细节信息。

我们提出dense upsampling convolution(DUC)，在特征图上使用一组卷积层(w*h*(d2*L))，L为类别数，这样每一个w*h*L都可以预测label map 上一个W/d,H/d的区域，这组卷积层的所有可以预测整个label map。这样相当于把label map划分成几部分，对每部分分别使用一个卷积层的一个进行预测，这样避免了上采样的损失。

对于encoding部分，我们提出了一个hybrid dilation convolution(HDC)，我们使用a range of dilation rates，然后使用Res-101中类似block的方法concat起来。

Learning to Segment Object Candidates（DeepMask）

 

一种输出 mask proposal 的方法。

第一个分支输出 class-agnostic segmentation mask，第二个分支输出目标在中心的概率。

测试阶段，对一个image输出多次得到一系列的segment mask（segment proposal），从中选择概率最高的mask

Learning to Refine Object Segments (SharpMask)

基于 deepmask 网络，增加了skip网络来获得更精确的结果。