语义分割中的nonlocal[8]- ACFNet: Attentional Class Feature Network for Semantic Segmentation

https://arxiv.org/abs/1909.09408
文章也是通过引入class-level的context来提升效果
先看整体结构

其中Pcoarse是预测的score map，ccb这样得到的每个class center是与全局所有的pixel相关的，这样每个pixel对于其对应的class 就有了对应的关系，利于feature consistency。
这里的normalize就不是softmax了。
与本文不同的是OCR中计算的是Pixel到Region的relation map，这里的attention只是用了class center。
来看下结果，也是由不错的提升，其中表1中的+class center是指直接将其append到每个pixel之后得到的结果。