【语义分割】PSP-Net

Segmentation Results: VOC2012：VOC2012数据集语义分割结果排名（信息截止时间：2018.3.31）

PSP-Net的Github网站：https://github.com/hszhao/PSPNet

论文下载地址：https://arxiv.org/abs/1612.01105

一、现有模型中常见问题：

1、关系不匹配（Mismatched Relationship）eg：场景中存在着可视模式的共现。比如，飞机更可能在天上或者在跑道上，而不是公路上。
2、易混淆的类别（Confusion Categories）eg：许多类别具有高度相似的外表。
3、不显眼的类别（Inconspicuous Classes）eg：场景中包括任意尺寸的物体，小尺寸的物体难以被识别但是有时候对于场景理解很重要。

作者认为现有模型出现的问题在于，没有引入足够的上下文信息及不同感受野下的全局信息，于是，提出了使用global-scence-level的信息的PSP-Net，另外本文提出了引入辅助loss的ResNet优化方法。

二、PSP-Net基本框架：

其中的一些tricks:
1、图片输入的CNN是ResNet，使用了dilated convolution
2、Pyramid Pooling Module中的conv是１×１的卷积层，为了减小维度和维持全局特征的权重
3、Pyramid Pooling Module中的pooling的数量以及尺寸都是可以调节的
4、上采样使用的双线性插值
5、poly learning rate policy
6、数据扩增用了：random mirror, random resize(0.5-2), random rotation(-10到10度), random Gaussian blur

7、选取合适的batchsize

网络结构清晰明了，没什么可多说的，有机会我会复现这个网络。

三、加入额外的深度监督 Loss：

残差网络借助skip conntection来减小深层网络的一些优化问题，后面的层主要是学习前面的层的残差。作者提出加入一个额外的loss,and learning the residue afterwards with the final loss.(还不是很理解) 这样网络可分为两个相对简单的优化部分了。（残差网络没怎么看，以后再去看看）