点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

原文链接：https://arxiv.org/abs/2003.13328v1

代码链接：https://github.com/Andrew-Qibin/SPNet

主要思想和Contributions

Spatial pooling在捕获像素级预测任务（如场景解析）的long-range contextual信息方面已被证明是非常有效的。本文在传统的N×N型Spatial pooling的基础上，提出了一种考虑狭长核（1×N或N×1）的strip pooling策略，对Spatial pooling的形成进行了重新思考。基于strip pooling，进一步研究了Spatial pooling体系结构设计，本文的主要贡献：

1）引入了一个新的strip pooling模块，使backbone网络能够有效地模拟long-range依赖关系；

2）提出了一种以多种Spatial pooling为核心的新型模块MPM，并构建了SPNet；

3）系统地比较了所提出的strip pooling和传统Spatial pooling技术的性能；

这两种新的基于pooling的模块都是轻量级的，可以作为现有场景解析网络中的一个有效的即插即用模块。在ADE20K和CityScapes上进行的大量实验表明，本文的方法达到了SOTA。

网络结构

1、Strip pooling（SPM）

1. 如下图所示，使用Hx1和1xW尺寸的条状池化核进行操作，对池化核内的元素值求平均，并以该值作为池化输出值。

2. Hx1和1xW池化核处理后，使用1D Conv对两个输出feature map分别沿着左右和上下进行扩容，如下图所示，扩容后两个feature map尺寸相同，进行fusion（element-wise上的add）。

3. 采用element-wise multiplication的方式对原始数据和sigmoid处理后的结果进行处理，至此，strip pooling完成，输出结果。

2、MPM（Mixed Pooling Module）

这是本文独立于SPM之外的另外一个模块，具体来说，在每个子模块之前，首先是1×1卷积层用于channel缩减，如下图所示，两个子模块的输出串联在一起，然后送入另一个1×1卷积层进行channel扩展。

3、SPNet

论文基于SPM和MPM模块搭建了一个网络：SPNet，以残差网络作为backbone，详细结构请参考原文。

实验结果

论文在ADE20K、Cityscapes和Pascal Context数据集上进行了实验。

上述内容，如有侵犯版权，请联系作者，会自行删文。

推荐阅读：

吐血整理|3D视觉系统化学习路线

那些精贵的3D视觉系统学习资源总结（附书籍、网址与视频教程）

超全的3D视觉数据集汇总

大盘点|6D姿态估计算法汇总(上)

大盘点|6D姿态估计算法汇总（下）

机器人抓取汇总|涉及目标检测、分割、姿态识别、抓取点检测、路径规划

汇总|3D点云目标检测算法

汇总|3D人脸重建算法

那些年，我们一起刷过的计算机视觉比赛

总结|深度学习实现缺陷检测

深度学习在3-D环境重建中的应用

汇总|医学图像分析领域论文

大盘点|OCR算法汇总

重磅！3DCVer-知识星球和学术交流群已成立

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导，700+的星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

欢迎加入我们公众号读者群一起和同行交流，目前有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加群或投稿