1. Learning to Segmentation in Videos with Spatial Propagation Network(2017)
摘要：提出了面向instance-level的基于深度学习的物体分割框架。第一步：利用ResNet101训练模型对前景和背景进行分割。第二步：将模型优化为instance-level的模型，并使用视频的第一帧分割物体。为了区分一个视频当中的不同实例（instance），作者计算了pixel-level的得分。为精细计算每一帧的得分，作者使用了spatial propagation network（SPN）。
给出第一个帧的图像掩码（object mask），作者的目标是在整个视频中分割出实例（instance）。分为两个部分完成，第一个部分前景分割（Foreground Segmentation）,第二个部分实例层面识别（Instance-level Recognition）。
作者实验时候使用的数据集为DAVIS数据集。