论文笔记：Fast Video Object Segmentation using the Global Context Module

这篇文章发表在ECCV2020上面，是基于STM的改进。简单回顾一下STM，这个算法模型综合利用了previous frames的信息，来帮助更好的预测分割mask，但存在的问题就是随着帧数的增加，由于需要把之前的帧信息存放到memory中，所以占用的内存以及计算成本会很高。虽然STM中给出了利用之前的某5帧的建议，但这样又不能对每一帧加以利用。

因此，本文提出的Global Context Module就是解决这一问题的，利用这一种固定尺寸的特征表示，不仅可以充分利用之前每一帧的信息，还能减少网络模型的空间和计算开销。

Encoder和Decoder与STM是一样的，但是对于Memoey和Query的key和value的处理是有区别的。STM是将Memory和Query的key先进行相似度计算，得到一个matching，随后将其与Memory的value相乘，再concat到Query的value上。而这篇文章处理思路与STM是有很大差别的，具体区别如下图：

本篇文章Memory的并不是看作 H ∗ W H*W