BiSeNet
有attention层
有Fusion层
核心网络resne18
核心网络resnet
https://github.com/xzj321/DSSNet/blob/3f3ad9f431ccad2a53f18e5aac363ad633746ea4/baseline/bisenet.py
思路来源
语义分割的难点：
感受野（ Receptive field）太小
空间信息(Spatial information)的损失
关于感受野
1.1 What：
在卷积神经网络CNN中，决定某一层输出结果中一个元素所对应的输入层的区域大小，被称作感受野Receptive field。
1.2 Why：
感受野大才能充分考虑图片信息，使得分割结果完整、精确
1.3 How：
网络深，感受野就大，设置Context Path， 采用Resnet, Xception等骨架网络，增加深度，扩大感受野。
关于空间信息
空间信息(Spatial information)主要指的是图像的局部细节信息，尤其是对于边缘丰富的图像。由于卷积网络规模大，一般要求输入图像尺寸较小，需要对原始图像进行Crop或者Resize，这个过程会损失细节的空间信息。通过设置只包含3个网络的Spacial Path，可保留丰富的空间信息，进而将低纬度的空间细节信息与高纬度的信息整合。
网络框架
Segnet语义分割网络的关键在于下采样和上采样。在上采样的过程中，使用下采样时记录的Max Value像素位置指标。
Spatial Path
包含3个卷积层以及对应的Batch Nornalization 层、ReLU层。输入图像大，输出图像为原图的1/8。
Context Path
包含一个深度骨架网络，用于模型调整的卷积网络，以及一系列注意力优化模块。值得一提的是采用了全局均值化来降低计算量，稳定最大感受野。
BackBone网络
原文采用Xception网络，也可以用Resnet101等。
注意力优化模块（ARM）：
在 Context Path 中，借助全局平均池化捕获全局语境，计算注意力向量，优化 Context Path 中每一阶段的输出特征，便于整合全局语境信息，大大降低计算成本。
特征融合模块（FFM）：
Spatial Path 捕获的空间信息编码了绝大多数的丰富细节信息，Context Path 的输出特征主要编码语境信息。两路网络的特征并不相同，因此不能简单地加权两种特征，要用一个独特的特征融合模块以融合这些特征。
简而言之，两个路径的特征图直接叠加不合适，那就设定个卷积网络，去训练学习一下两部分如何叠加。如图。
放大与输出
这部分原文介绍不多，大致就是不需要上采样，直接用双线性插值把1/8图放大8倍就好了。双线性插值方法简单，无须赘述。
不采用上采样的好处是进一步减少了参数。因为在之前的一部分文章中（如Segnet)，作者设置的Decoder部分参数并没有参与训练，因为实验发现Decoder部分对结果影响不大，反而不如降低计算量。
Loss Function
通过辅助损失函数监督模型的训练，
主损失函数监督整个 BiSeNet 的输出(Lp)。
添加两个特殊的辅助损失函数监督 Context Path 的输出(Li)
借助参数 α 以平衡主损失函数与辅助损失函数的权重。
