BlendMask：自顶向下与自底向上相结合的实例分割
计算机视觉与模式识别
2020-04-28 v3
摘要
实例分割是基础视觉任务之一。近来，全卷积实例分割方法备受关注，因其通常比 Mask R-CNN 等两阶段方法更简洁高效。迄今，在模型计算复杂度相近时，此类方法在掩码精度上几乎均落后于两阶段 Mask R-CNN 方法，留有极大改进空间。本文中，我们通过将实例级信息与具有更低层细粒度的语义信息有效结合，实现了改进的掩码预测。我们的主要贡献是一个融合模块，其灵感来自自顶向下与自底向上两类实例分割方法。所提出的 BlendMask 能用极少通道有效预测密集的逐像素位置敏感实例特征，并仅用一层卷积为每个实例学习注意力图，因而推理迅速。BlendMask 可轻松嵌入最先进的一阶段检测框架，在相同训练计划下优于 Mask R-CNN 且快 20%。BlendMask 的轻量版在单张 1080Ti GPU 上以 25 FPS 达到 mAP。因其简洁有效，我们希望 BlendMask 能作为简单而强大的基线，服务于广泛的实例级预测任务。代码见 https://git.io/AdelaiDet
引用
@article{arxiv.2001.00309,
title = {BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation},
author = {Hao Chen and Kunyang Sun and Zhi Tian and Chunhua Shen and Yongming Huang and Youliang Yan},
journal= {arXiv preprint arXiv:2001.00309},
year = {2020}
}
备注
Accepted to Proc. IEEE Conf. Computer Vision and Pattern Recognition 2020. Fixed typos