Strip Pooling: Rethinking Spatial Pooling for Scene Parsing
PDF:https://arxiv.org/pdf/2003.13328v1.pdf
PyTorch: https://github.com/shanglianlm0525/PyTorch-Networks
1 概述
Spatial pooling在捕獲像素級預測任務（如場景解析）的long-range contextual信息方面已被證明是非常有效的。本文在傳統的N×N型Spatial pooling的基礎上，提出了一種考慮狹長核（1×N或N×1）的strip pooling策略.
2 Methodology
2-1 Strip Pooling Module
a. 如下圖所示，使用Hx1和1xW尺寸的條狀池化核進行操作，對池化核內的元素值求平均，並以該值作爲池化輸出值。
b. Hx1和1xW池化核處理後，使用1D Conv對兩個輸出feature map分別沿着左右和上下進行擴容，如下圖所示，擴容後兩個feature map尺寸相同，進行fusion（element-wise上的add）。
c. 採用element-wise multiplication的方式對原始數據和sigmoid處理後的結果進行處理，至此，strip pooling完成，輸出結果。
2-2 Mixed Pooling Module
融合池模塊將條紋池化和空間池化的結果串聯起來作爲輸出，本模塊前後同樣也都有一個1x1的卷積核用來改變通道數量。圖（a）適用於識別短距離依賴，圖（b）適用於長距離依賴，將兩者結合起來識別效果更好。（1）和（2）中除了子模塊前後改變通道數目的1×1卷積核之外，其它都爲3x3。
