Dual Graph Convolutional Network for Semantic Segmentation
1. Abstract:
DGCNet通过网络中两个正交图建模了输入特征的全局上下文关系，
第一个子块建模像素间的空间关系，第二个子块建模网络特征图的通道维度的相互依赖关系。把特征映射到新的能够建模全局相互关系的低维度空间。
2. Intro:
研究现状：
为了扩大网络感受野1. FCN通过增加网络的深度，但是线性的增长较缓慢，不能捕获长距离的像素关系。2. 扩张卷积（空洞卷积）的缺点是卷积后的特征图由图像中的大物体主导，小物体效果不好。3.多尺度特征融合网络在空间上传导信息。4. 基于自注意力学习一张像素间的关联亲密图在每个空间位置传播信息给它邻居位置。但是内存需求较大。
提出方法：
包括两个主要的组件：1. 坐标空间的GCN建模像素的空间关系，使得网络能够产生连续的预测并考虑图中的所有对象。2. 特征空间GCN捕获更抽象的特征间的相关关系（例如物体的局部部分）。推理后两个部分的特征映射到原始坐标空间并加到原始特征上（类似resnet的shortcut）。
3. 模型结构
坐标空间图卷积：
特征空间图卷积
