图像语义分割是目前计算机视觉领域要解决的一个核心问题，属于视觉中场景理解的研究范畴之一，近期受到了越来越多的研究者的关注，现实中许多应用程序需要精确和高效的分割机制：自主驾驶，室内导航，甚至虚拟或增强现实系统等等。在深度学习技术的推动下，各种各样的深度图像分割模型被提出，一些公开的数据集不断地被新模型刷榜。

1️⃣ 讲者介绍

李夏：17级北京大学硕士，导师为林宙辰教授和刘宏教授，目前在Google实习。他的研究兴趣包括低层级视觉和语义分割。是2018年MS COCO Panoptic Segmentation Contest PKU_360团队（第三名）成员之一。目前在ECCV发表过论文。

报告题目：GCN and NAS in Semantic Segmentation

报告摘要：图像语义分割是计算机视觉主任务之一，历来备受关注。而近年来，图卷积网络(GCN)和网络结构搜索(NAS)成为一大热点。在本次演讲中，我们将以几篇文章为例，介绍GCN和NAS在语义分割中的应用，以及各自的演进过程和未来预期。

Spotlight：

图像语义分割中的图卷积模块
图像语义分割中的网络结构搜索

2️⃣ 讲者介绍

李祥泰：17级北京大学直博生，导师是童云海和谭少华教授，研究兴趣包括语义分割和图卷积网络，目前在投文章3篇，其中gald-net在cityscape上 top2。

报告题目：Attention based models in semantic segmentation

报告摘要：图像语义分割是计算机视觉主任务之一，有很多应用场景．这次演讲当中我们将首先会从最简单的FCN（全卷积神经网络）开始介绍进行近些年来比较流行的语义分割的方法．我们会重点关注attention思想在语义分割中的应用，最后会简单介绍下我们近期一些的工作。

Spotlight：

比较流行的context modeling 方法．(ASPP, PPM)
Non-local的网络在语义分割上的应用

3️⃣ 论文推荐

1. A²-Nets- Double Attention Networks

推荐理由：长距离关联信息对语义分割至关重要。NUS这篇发表在NeurIPS-2018的文章提出一个高效的模块，用来汇集和传播全局信息。其计算量和内存需求远低于nonlocal，且能带来明显的性能增益。

推荐理由来自：李夏

2. Graph-Based Global Reasoning Network

推荐理由：Yunpeng Chen又一力作，发表在CVPR-2019。为深度网络引入通用GCN模块，从而用五个1*1卷积实现全局推理。较之同为全局推理的self-attention，GCN具有更好的解释性。

推荐理由来自：李夏

3. Auto-DeepLab- Hierarchical Neural Architecture Search for Semantic Image Segmentation

推荐理由：斯坦福大学李飞飞组新文。其在图像语义分割问题上超越了很多业内最佳模型，甚至可以在未经过预训练的情况下达到预训练模型的表现。Auto-DeepLab 开发出与分层架构搜索空间完全匹配的离散架构的连续松弛，显著提高架构搜索的效率，降低算力需求。

推荐理由来自：李夏

4. Pyramid Scene Parsing Network

推荐理由：PSPnet提出了PPM(Pyramid Pooling Module)来整合不同区域的context进而获取全局的context信息。其中PPM包含4种不同尺度的pooling 操作。

推荐理由来自：李祥泰

5. RethinkingAtrousConvolutionforSemanticImageSegmentation

推荐理由：Deeplabv3提出了ASPP模块来通过不同大小的带孔卷积进而获得不同感受野的context 信息, Deeplabv3+在v3的基础上增加了decoder端来融合low-level特征，进而进一步地提升性能。

推荐理由来自：李祥泰

6. Dual Attention Network for Scene Segmentation

推荐理由：DAnet(OCnet,CCnet): Dual Attention Network for Scene Segmentation(CVPR 2019)DAnet应用non-local的思路分别计算spatial-wise 和channel-wise的similarity attention map进而解决pixel和pixel之间的long range dependency.类似的工作还有OCnet和CCnet.

推荐理由来自：李祥泰

录播视频 / 推荐论文下载 / 讲者PPT 登录后获取查看地址

录播视频：李夏-整理中…
录播视频：李祥泰
 推荐论文下载，提取码：1a3l

PPT