EmbedMask：用于单阶段实例分割的嵌入耦合
计算机视觉与模式识别
2019-12-06 v2
摘要
当前的实例分割方法可分为先分割再聚类的基于分割的方法，以及先检测再通过重池化对每个实例提议预测掩码的基于提议的方法。在本工作中，我们提出一种名为 EmbedMask 的单阶段方法，通过取两者之长将两类方法统一。像基于提议的方法一样，EmbedMask 构建于检测模型之上，使其在检测能力上表现强劲。同时，EmbedMask 应用额外的嵌入模块为像素和提议生成嵌入，若像素与提议属于同一实例，则像素嵌入由提议嵌入引导。通过该嵌入耦合过程，若像素与提议的嵌入相似，则像素被分配给该提议的掩码。像素级聚类使 EmbedMask 能够生成高分辨率掩码而不丢失重池化带来的细节，而提议嵌入的存在简化并加强了聚类过程，以比基于分割的方法更高的性能实现高速度。无需任何额外技巧，EmbedMask 取得了与代表性两阶段方法 Mask R-CNN 相当的性能，并能以更高速度生成更细致的掩码。代码见 github.com/yinghdb/EmbedMask。
引用
@article{arxiv.1912.01954,
title = {EmbedMask: Embedding Coupling for One-stage Instance Segmentation},
author = {Hui Ying and Zhaojin Huang and Shu Liu and Tianjia Shao and Kun Zhou},
journal= {arXiv preprint arXiv:1912.01954},
year = {2019}
}
备注
Code is available at github.com/yinghdb/EmbedMask