图像分割 (ECCV 2020)

1. 《Object-Contextual Representations for Semantic Segmentation》

通过粗糙分割的map图得到object region representations, 然后计算特征的相关性，进而强化相关特征

2. 《EfficientFCN: Holistically-guided Decoding for Semantic Segmentation》

设计了不同于FCN，DilatedFCN, Encoder-Decoder 的模型结构，既比DilatedFCN 速度快，计算量小，又没有Encoder-Decoder结构上采样丢失信息。简单说就是在不使用空洞卷积的情况下，保留OS 8尺度特征图，同时融合更深层的全局特征。

利用OS 32的全局特征获得semantic codebook, 利用OS 8 特征获得Assembling coefficients，通过相乘获得加权融合semantic codebook后的特征，与原集合系数特征concate融合处理，得到最终特征表达。

3.《Improving Semantic Segmentation via Decoupled Body and Edge Supervision》

4.《Learning to Predict Context-adaptive Convolution for Semantic Segmentation》

利用动态卷积核得到spatially-varying的特征加权系数