【G-FRNet】Gated Feedback Refinement Network for Dense Image Labeling

CVPR 2017,他们还有一篇CVPR 2018的文章，Gated Feedback Refinement Network for Coarse

概述

• 要解决的问题
  • 模糊信息的前向传递会限制后面的精准识别。
    
• 采用的方法
  • Integrating local and global contextual information during refinement stage（refinement stage是这篇论文的部分结构）
  • gate units来处理前向传递的信息，为了过滤模糊信息。
• 结果如何
  • 数据集CamVid, PASCAL VOC 2012, Horse-Cow Parsing
  • 在CamVid和Horse-Cow Parsing取得了最佳， 在PASCAL VOC 2012上效果比较好。
• Contributions
  • 自己的结构吧

细节

结构：主干是VGG16

• 上图中的$P{m}^G$表示在f7 feature map经过$3\ast 3$卷积后得到的$h\ast w\ast C$维度的结果，这是一个粗糙预测结果，其中$C$表示的是类别数量。

• Gate Unit：图中也有显示，Gate Unit的输入是两个相邻的feature map，表示为 f g i + 1 , f g i {f_g^{i+1}, f_g^{i}}