语义分割论文翻译：Large Kernel Matters —— Improve Semantic Segmentation by Global Convolutional Network

1、Large Kernel Matters —— Improve Semantic Segmentation by Global Convolutional Network

摘要：小的卷积核堆叠比用一个大的卷积核计算更加高效。在语义分割领域，需要执行每个像素的预测分类，更大的卷积核（感受野更大），对于分类和定位任务来说，作用更大。所以提出GCN来解决语义分割的分类和定位的问题。文中还提出一个基于残差的边界细化模块。

但从摘要可以看出主要有方面工作：用了更大感受野的信息，还有就是后处理（边界refine）。
Motivaton:

1. 从定位来看：网络结构应该是全卷积，保留位置信息，而全连接或全局平均池化会丢失位置信息。
2. 从分类来看：应该用更大的卷积核，确保和特征图连接更加稠密，因为是对每个像素的分类，这就涉及鲁棒性的问题，感受野更大，对变换（平移，旋转，尺度变化）就不那么敏感。

problem:
SOTA的分割模型大部分关注的如何定位的更精确，而对分类要求不高。分类器关注的也主要是特征图上的局部区域，而不是特征图上的全局信息。一旦输入反生很大的变化，分类性能就会下降。
如图a，一般分类器关注的区域和目标中心是对齐的，然后对这块区域分配相应标签。比如，一开始特征图的有效感受野能够覆盖整个目标，然而，假如输入图像缩放到更大尺度，这部分感受野只能覆盖目标一部分，那像素的分类就不准确。

文章工作（解决方法）：
1、Global 卷积网络（区域内），提升物体内部的分割精度；
2、a Boundary Refinement block（边界处），提升物体边缘的分割精度。
用FCN为基本框架，GCN来生成有语义的score map（也是多尺度）。ResNet特征提取（Multi-scale feature maps），FCN4作为分割框架。最后低分辨率的score map 转置卷积上采样。

网络结构简单，无非就是各层信息拼接，这里有几个问题供讨论？
1、1k和k1的卷积，究竟这样做的目的是啥？
     使用更大的卷积核，而不是小的卷积核堆叠，虽然更小的卷积核不断堆叠增加了非线性表达能力，但分类需要更加稠密的连接。若直接用k*k卷积核，参数量增大了，所以对卷积核进行了分解。

2、每次上采样前，都进行BR（残差块的连接），目的又是啥？
    BR 是实现边缘锐化，参考网上的解释：BR中的两个卷积层是学习输出heatmap和输入heatmap之间的残差。它表示的信息是啥呢？比如，某类物体中心位置，它的heatmap激活值高，而边缘相对来说就低很多，在计算loss时，边缘部分的loss会大于中间部分，那么网络参数就会往边缘调整，最终得到的结果就是边缘部分激活值更高，这样和输入的heatmap相加，边缘部分的激活值变高了，起到了锐化作用。