语义分割

黄海安

2020.0212

Edge-Gated CNNs

https://arxiv.org/pdf/2002.04207.pdf
传统的cnn基本上是学习纹理，而没有特意强调边界。而专家标注时候是先看边界，然后fill的，作者认为边界和纹理都很重要，本文提出一种可以插入编解码器结构的边cnn网络，在原始unet基础上，相当于多增加了一个解码器结构即一个编码器+2个解码器。一个解码器负责学习纹理即原始的结构，再加一个辅助的负责学习边界的解码器。
而边分支也是很简单，就是残差加上attention map而已。作者提出了3个loss，不仅仅有分割loss（dice loss）,还有辅助边loss(dice loss +bce loss)，为了将两着更好的融合，还提出了一致性loss，用于保存边界一致，具体是对分割预测结果求导数，得到边界图，然后和真实的边界图求l1，由于不可微分，作者采用了替代解法，具体见论文细节。