论文地址:
http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhang_Context_Encoding_for_CVPR_2018_paper.pdf
代码及作者信息：https://hangzhang.org/
先说一句，写论文的时候说的好听，但是要真正解释的时候还是很模糊的~~
文章的核心(初步理解)：
分割与分类的结合，使用分类修正分割的结果。
两者的结合靠的是SE-loss，而SE-loss的本质就是交叉熵损失函数。
网络的其中一个分支负责预测图片中是否有这个类别，比如是否有汽车，图像的场景是海上，则预测有汽车的概率是0.01,那么得到的结果会与特征图进行逐像素相乘，重新规范特征图。
因为物体是否存在依靠的是全图的编码信息，所以不会受物体大小的影响。NICE IDEA！美其名曰：
网络结构如下，可以发现明显的两个分支：Featuremap Attention
连个分支都是使用全局特征编码之后的特征（FC之前）。
文章中说要解决的问题是：
Is capturing contextual information the same as increasing the
receptive field size? 捕获上下文的信息就等于增加感受野？？所以使用Context Encoding Module？
对于Context Encoding Module的运用还有待理解。。。
参考：Context Encoding for Semantic Segmentation (CVPR 2018 slides 中文）