面向实时实例分割的锚框分配的广义掩码感知IoU
计算机视觉与模式识别
2023-12-29 v1
摘要
本文提出广义掩码感知交并比（GmaIoU），作为实例分割方法训练中锚框正负分配的一种新度量。与仅考虑锚框与真实框接近程度的传统IoU度量或其变体不同，GmaIoU额外考虑了分割掩码，从而在训练中提供更准确的监督。我们通过在SOTA分配器ATSS中将IoU替换为GmaIoU来展示其有效性。然后，我们使用基于GmaIoU的ATSS分配器训练实时实例分割方法YOLACT。基于GmaIoU分配器的YOLACT在不同图像尺寸上：(i) 比使用IoU的ATSS高出约1.0-1.5 mask AP；(ii) 比使用固定IoU阈值的YOLACT高出约1.5-2 mask AP；(iii) 由于使用更少的锚框，推理时间减少25%。利用这一效率，我们进一步设计了GmaYOLACT，一种比YOLACT更快且准确率高出+7 mask AP点的检测器。我们的最佳模型在COCO test-dev上以26 fps达到38.7 mask AP，建立了实时实例分割的新SOTA。
引用
@article{arxiv.2312.17031,
title = {Generalized Mask-aware IoU for Anchor Assignment for Real-time Instance Segmentation},
author = {Barış Can Çam and Kemal Öksüz and Fehmi Kahraman and Zeynep Sonat Baltacı and Sinan Kalkan and Emre Akbaş},
journal= {arXiv preprint arXiv:2312.17031},
year = {2023}
}
备注
28 pages, 4 figures