用于实例分割的级联特征金字塔网络
计算机视觉与模式识别
2019-04-02 v1 机器学习
机器学习
摘要
边缘和纹理等低级特征在神经网络中准确局部化实例方面起着重要作用。在本文中，我们提出了一种架构，通过以最优且高效的方式将低级特征纳入金字塔的所有层，来改进常用的实例分割网络中的特征金字塔网络。具体而言，我们引入了一个新的层，该层从多个特征金字塔层级的特征图中整体地学习新的相关性，并增强特征金字塔的语义信息以提高精度。我们的架构在实例分割或目标检测框架中易于实现以提升精度。在 Mask RCNN 中使用该方法，我们的模型在 COCO 数据集上取得了精度的一致提升，且相比原始特征金字塔网络具有计算开销。
引用
@article{arxiv.1904.00768,
title = {Concatenated Feature Pyramid Network for Instance Segmentation},
author = {Yongqing Sun and Pranav Shenoy K P and Jun Shimamura and Atsushi Sagata},
journal= {arXiv preprint arXiv:1904.00768},
year = {2019}
}
备注
5 pages, 6 figures