CenterMask：实时无锚框实例分割
计算机视觉与模式识别
2020-04-03 v6
摘要
我们提出了一种简单而高效的无锚框（anchor-free）实例分割方法，称为 CenterMask，它以与 Mask R-CNN 相同的方式，向无锚框单阶段目标检测器（FCOS）添加了一个新颖的空间注意力引导掩码（SAG-Mask）分支。插入 FCOS 目标检测器后，SAG-Mask 分支利用空间注意力图在每个边界框上预测分割掩码，该图有助于聚焦于信息像素并抑制噪声。我们还提出了一种改进的主干网络 VoVNetV2，采用两种有效策略：（1）残差连接以缓解较大 VoVNet \cite{lee2019energy} 的优化问题；（2）有效的 Squeeze-Excitation（eSE）处理原始 SE 的通道信息丢失问题。借助 SAG-Mask 和 VoVNetV2，我们设计了分别面向大型和小型模型的 CenterMask 和 CenterMask-Lite。使用相同的 ResNet-101-FPN 主干网络，CenterMask 达到了 38.3%，超越了所有先前的当前最优（state-of-the-art）方法，同时速度更快。CenterMask-Lite 在 Titan Xp 上以超过 35fps 的速度也大幅优于当前最优方法。我们希望 CenterMask 和 VoVNetV2 能够分别作为实时实例分割和各种视觉任务的坚实基线和主干网络。代码可在 https://github.com/youngwanLEE/CenterMask 获取。
引用
@article{arxiv.1911.06667,
title = {CenterMask : Real-Time Anchor-Free Instance Segmentation},
author = {Youngwan Lee and Jongyoul Park},
journal= {arXiv preprint arXiv:1911.06667},
year = {2020}
}
备注
CVPR 2020