论文阅读：Instance-sensitive Fully Convolutional Networks

本文解决问题：Instance Segmentation。（无分类）

motivation：FCN只能做detection，因为卷积对同样的像素在不同地方有相同的响应。但是如果需要做Instance Segmentation，就需要像素针对不同的Instance有不同的响应。为了解决这个问题，作者提出了InstanceFCN。

在传统的FCN中，每个图像只生成一个score map，表示每个像素的值表示该像素是否属于目标的概率。
在InstanceFCN中，作者会生成 k∗k 个score maps，每个像素的值表示该像素是否属于某一类的某个相对位置的概率。

On the top branch，会生成 k2 个Instance score map，也就是每个像素都会有 k2 个不同的值，即解决了相同像素在不同Instance中有不同的响应。然后经过assembling module就可以生成all Instance map。但是并不是所有的响应都有Instance出现。所以作者在bottom branch，计算了objectness score map。将两者融合就能获得最终的Instance Segmentation。