cvpr2020_CPNet_ Context Prior for Scene Segmentation
0. 写作目的：
好记性不如烂笔头。
1. 问题
目前的方法很少区分，不同类之间的上下文依赖，这可能会影响精度。
如：
2. 解决方法
作者使用Context Prior 来同类和不同类的（类内和类间）的关系进行建模。
作者引入 亲和力loss（affinity loss） 来监督 Context Prior layer 来学习 Context Prior Map.
同时设计来了 Aggregation Module 来进行融合空间信息（与GCN类似）。
3. 模型架构
Aggregation module：k = 11，由实验得到的
4. Affinity Map GT 的生成
H * W * C 进行 reshape到 N * C，然后A = L * L^T ，即可得到每个位置在全局位置中同类的二值，即同类的话对应位置为1，非同类对应为0
A =N * N 其中， N = H * W
5. Affinity loss 的计算
对 Affinity map的 loss： 独立loss + 区域loss
最终的loss：作者也使用 辅助loss ，辅助loss的权重为0.4， 其他loss权重为1 。
6. 实验结果
在两个数据集上能提高mIOU 1%左右。
监督得到的Affinity map：
There may be some mistakes in this blog. So, any suggestions and comments are welcome!
注： 文中的图片来自于paper。