语义分割 Attention模块 CVPR2019

Dual Attention Network for Scene Segmentation

该论文提出在spatial和channel维度分别进行attention操作，个人理解attention就是训练出来的Mask，代表每个point的重要性，网络图如下，代码：https://github.com/junfu1115/DANet

BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation

该论文中也使用了attention操作，属于spatial维度的，作者代码：https://github.com/ycszen/TorchSeg

同时这里也更加重视的写了Feature Fusion Module，这个部分在Deeplabv3+和一些其它模型中都是直接channel层Cat操作。
值得注意的是作者发这篇文章的创新点是Spatial Path这条非常小的支路，但是被另一个人给数据打脸，贴出代码：https://github.com/CoinCheung/BiSeNet。该代码作者认为，这个Spatial Path的结果可以直接从Resnet的8倍下采样处给出，跟Deeplab等结构本身没有什么不同，同时给出了他想法验证的代码，有兴趣的同学可以去看一下。
不管如何这两个论文都给出了一些attention方法在分割算法中的应用，都是值得感谢的