這是一篇ICCV2019的語義分割文章，其核心思想是采用baseline生成的粗糙特征圖作為attention指引分割輸出結果，其中的idea有些像張航提出的Context Encoding（EncNet）。伴随着提出的兩個新子產品，分别是 Class Center Block（CCB）和Class Attention Block（CAB）。
Abstract
為了适應每個像素點的不同類中心（class center），即本論文從類别的角度看分割，并且從 coarse-to-fine的角度出發，提出了Attentional Class Feature Network（ACF）模型，在Cityscapes資料集上達到了state-of-the-art的表現—81.85% mIoU。
Introduction
全局适應性池化 global adaptive pooling (GAP) 廣泛被應用在擷取豐富的全局資訊，在不同空間政策上擷取了豐富的上下文資訊（ contextual information）。但是當計算上下文資訊時，這些操作并不區分每個像素點究竟歸屬于哪一類。是以，本文提出了class center block子產品來解決這個問題。本文還提到了注意力機制問題，本文直接采取CNN中baseline的粗糙特征圖作為語義資訊的attention指引像素點的分類，這也是本文提出的第二個子產品，即class attention block（CAB）。
文章的貢獻總結如下：
- 第一次呈現class center的概念,代表類級上下文資訊,幫助像素的不同類别在整個的性能的表現。
- 提出了注意力類特征(attention Class Feature, ACF)子產品，使不同像素自适應地聚焦于不同的類中心。
-
提出了一種coarse-to-fine的分類結構——注意類特征網絡(ACFNet)，利用類級上下文改善語義
分割。
- ACFNet在Cityscapes資料集上達到了81.85%的mIOU。
二、Method
Class Center Block（CCB）：
Class Attention Block（CAB）：要利用每個類别的上下文資訊，就要直到所有像素位置屬于哪個類别，這在訓練時是沒有問題的，因為有Ground Truth，但是在測試的時候即實際應用時，沒有Ground Truth，要如何來獲得每個像素位置的類别資訊呢？很自然而然地想到可以先進行一次粗分割得到一個粗略的預測圖，在利用該預測圖來計算近似的class center，後面再利用class center實作精細的分割。
作者認為，對于一個給定的像素p屬于A類，模型錯誤分類為B類。但如果模型知道其所代表的類中心A(淺藍色區域)和B(淡黃色區域)，模型可以發現p更有可能來A自一個而不是B。是以可以糾正錯誤的預測。可以了解為最近鄰的分類，這裡提出的是class center的概念。
Experiments