SegFix: Model-Agnostic Boundary Refinementfor for Segmentation

这篇论文主要解决的问题：语义识别任务中的边界检测。

项目原文：https://arxiv.org/pdf/2007.04269.pdf

项目代码：https://github.com/openseg-group/openseg.pytorch

论文级别：2020年CVPR

核心思想：将边界像素的标签替换为更可靠的内部像素标签，从而提升分割结果的边界精度

                预测狗脑袋的边界像素时，往里看，看到狗的脑袋像素信息，然后把类别赋给边界像素。

实现方法：

接收到图像之后，训练两个分支，边界分支（黄色）与方向分支（绿色）。边界分支主要用于识别边界与内部像素，边界像素设置为1，内部像素设置为0。方向分支训练每个像素点便宜的方向是多少。然后两个分支相乘，因为内部像素无异议，他们的类别已经确认好了，相乘后就可以计算出偏移矩阵了，然后就可以进行边界像素的分离了。这也就是下图的含义。

如下图所示，就是我上面讲的内容体现了，边界像素为1，内部像素为0，然后与方向分支的方向相乘。得到了重新标注的类别特征图。

方向分支在论文里面主要分为两个，m=4或者m=8。