论文地址：https://arxiv.org/abs/1904.02216

旷世CVPR2019的论文，对高清图像分割效果SOTA的同时，还能做到实时，十分惊艳。总体来看其策略是在采用轻量级网络的同时，通过“花样”的特征融合来保证最终分割的效果。

1、网络的backbone采用Xception网络，主要是考虑到网络的轻量级，同时在网络末尾添加FC层，引入注意力机制；

2、深度特征聚合，特征聚合分为两种，sub-stage和sub-network ，通过特征复用提高网络性能；

3、decoder部分轻量化，提高网络运算速度；

Xception

Xception是在Inception V3的基础上，引入depthwise convolution，其目的是在相同参数量的情况下，提高网络的性能，由于引入depthwise convolution结构，使得该网络结构在运行效率上也有一定的优势。目前轻量级几乎都是depthwise convolution的变体，不知道什么时候会被颠覆。

Xception的depthwise convolution同mobilenet中的最大的不同之处是，1x1卷级核的位置不同，mobilenet中是先进行逐通道卷积运算，再使用1x1卷积进行通道融合，Xception是个相反的操作，如图

首先进行通道融合，之后再将通道分离，进行卷积，其中1X1后面加了ReLU激活函数，增加非线性。既然同样是轻量级网络为什么选用后者，经查阅资料，个人认为Xception的inception结构的基础，使得其在性能上更有优势一些，mobilenet则是更注重速度方面的提升。

该文对xception结构做了修改，最终的结构如下图

Atention

注意力机制的引入
该文在xception后引入全链接来实现注意力机制，

Deep Feature Agragation

深度特征融合分为两部分，sub-network和sub-stage

sub-network，网路整体由三个backbone组成，每个backbone的结构一致，都是Xception+FC atention，可以看作三个sub-network，在每个network的最后会做一个上采样，然后将上采样之后的图作为下一个网络的输入，由置顶图可以看出，三个network的通道数和特征图大小在递减，该过程可以看作是一个由corse to fine的过程

sub-stage，指图中网络中间部分由上向下的结合，即底层结构信息和高层语义信息相结合，在网路结构较深的情况下，保留结构信息

参考链接

https://blog.csdn.net/kevin_zhao_zl/article/details/90200955

https://zhuanlan.zhihu.com/p/32746221

https://blog.csdn.net/baidu_27643275/article/details/90301814