MaskPlus：改进实例分割中的掩码生成
计算机视觉与模式识别
2019-09-30 v3
摘要
实例分割是计算机视觉中一个前景广阔但极具挑战性的课题。近期如 Mask R-CNN 的方法通常将该问题划分为两部分——检测组件与掩码生成分支，且多聚焦于检测部分的改进。本文提出一种方法，以五种新颖的优化技术扩展 Mask R-CNN，用于改进掩码生成分支并减少训练中掩码分支与检测组件间的冲突。这五种技术彼此独立，可灵活用于构建各类实例分割架构以提升整体精度。我们在 COCO 数据集上的测试证明了本方法的有效性。
引用
@article{arxiv.1907.06713,
title = {MaskPlus: Improving Mask Generation for Instance Segmentation},
author = {Shichao Xu and Shuyue Lan and Qi Zhu},
journal= {arXiv preprint arXiv:1907.06713},
year = {2019}
}