简介
AttaNet主要由两个模块组成:条状注意力模块(SAM)和注意力融合模块(AFM)。对低精度分割任务图像的观察得出，垂直条带面积明显大于水平条带面积，SAM利用条带化操作，在保留大部分上下文信息的同时，大幅降低了垂直方向全局上下文编码的复杂性，与非极大值方法相比。AFM采用跨层次聚合策略限制计算量，融合时采用注意策略对每个像素的不同层次特征的重要性进行加权，获得高效的多层次表示。我们在两个语义分割基准上进行了广泛的实验，我们的网络在城市场景上实现了不同程度的速度/准确性权衡，例如71 FPS/79.9% mIoU, 130 FPS/78.5% mIoU和180FPS/70.1% mIoU，并在ADE20K上取得领先的性能
整体网络框架
为了保证推理速度的要求，网络上采用VGG式结构，区别于HRNet类的网络，和Unet类网络，直接是backbone+AFM+SAM然后从1/16的特征维度直接上采样到原始尺寸。同时，为了速度的限制，网络中大部分使用128, 64的通道数。所以才能做到速度那么快
条状注意力模块
感觉像是strip pooling池化方式的进化。整体流程可以看上图。K经过strip pool之后，得到一个N × W的注意力矩阵，去掉了H方向，大幅降低了垂直方向全局上下文编码的复杂性。注意力矩阵N×W和V：W×C，得到N×C，再用一个残差链接得到最后的输出。
这里可以对比strip pool进行对比。
基于注意力的融合模块
该模块主要解决的是特征融合的问题。知乎上有一篇文章讨论的比较深刻：语义分割－多层特征融合。AttaNet是采用Global注意力机制计算一种融合权重。个人认为是SFNet中光流模块的一种简化。光流模块是对每个点用两个偏移量，Attanet则是对每个通道计算一个融合权重。光流模块更加细腻，Attanet更加大。（考虑起来的话，SFNet的方式更细腻，应该更好。但是，光流模块那么多参数，采用网络回归的方式，肯定不能做到每个点都准确的，Attanet的方式不一定比SFNet差）
结果
可以看到在保证精度的条件下，速度是真的快。
提取的两个改进模块的效果
