Instance-sensitive Fully Convolutional Networks – eccv 2016
=====
论文地址：
http://arxiv.org/abs/1603.08678
=====
一句话概括：
根据local coherence的特性，以sliding window的方式，利用FCN产生positive-sensitive的instance-level的segment proposal。
=====
framework
从上图可以看出，该network是一个full convolutional network（based on VGG16），除了feature extractor（VGG16的前13个conv layers）外，还有两个branches：
1 segment branch
该branch由1*1 conv，3*3 conv和一个assembling layer构成，后接segment的loss layer（采用logistic regression layer）
2 scoring branch
该branch由3*3 conv，1*1 conv构成，后接一个scoring的loss layer（采用logistic regression layer）
显然segment branch产生instance-level的segmentation mask，scoring branch对segment branch产生的instance mask进行打分。
（这里为objectness score，有点不明白为什么不是class-specific的）。
剩下的network architecture（VGG16-base）见下图：
论文采用了hole algorithm来获取dense的feature map同时保持和原来VGG16的感受野大小。
=====
key module – assembling module
论文中的network（如上所述