A Simple Pooling-Based Design for Real-Time Salient Object Detection

论文地址：(https://arxiv.org/abs/1904.09569?context=cs)

简单介绍
本文论文主要介绍是检测出显著的目标；也即是目标物体的轮廓；较为准确得到目标准确的轮廓的方法是基于两个池化的操作；具体结构如下所示：

网络结构

本文引入了两个关于池化的结构，一个是PPM，另一个结构是FAM结构；PPM的结构 是总共是四个分支；第一个和最后一个分支分为为恒等映射和全局平均池化，中间两个分支是采用可调整的平均池化，使得输出的空间大小为33的分辨率和55的分辨率。
对于FAM的结构，具体如下图：

在本结构图中，将最后的一个分支采取平均池化，不变，然后将该结构进行2,4,8倍的下采样得到不同的结构图，然后将得到不同分辨率的结构图，然后执行2,4,8倍的上采样，然后将这三部分所得到的结构图与最初的结构图，逐元素相加，然后接3*3卷积。
该图的目的就是为了降低不同层的特征与GGM的区别。
下图说明FAM的结构与普通卷积的结构：

实验
实验1 验证PPM，GGF，FAM的结构

从图中可以看出，随着条件的变化，实验结构越来越好。

实验2 不同的设定下，在不同数据集下的对比实验

实验3 不同模型的结构对比

总结：
本文可以借鉴的方法有如下：
1 FAM的结构；不同倍数的池化，会得到不同的分辨率，使得预测更加准确；
2.PPM结构；使用池化的操作。