MP-PolarMask：用于凹形图像的更快更精细的实例分割方法
计算机视觉与模式识别
2024-06-04 v1
摘要
虽然存在大量的实例分割模型，但PolarMask以其独特的方式将对象表示为极坐标系。该方法采用无锚框设计，采用单阶段框架同时完成检测与分割，证明可在效率与精度之间取得平衡。因此，它可以轻松集成到其他下游实时应用中。本文发现PolarMask存在两个不足之处：(i) 无法表示凹形对象，(ii) 在射线回归方面效率不高。我们提出MP-PolarMask（Multi-Point PolarMask），通过利用多个极坐标系统来克服这些限制。其核心思想是从单个主极坐标系统扩展到四个辅助极坐标系统，从而能够表示更复杂的凸凹混合形状。我们在COCO数据集上的一般对象和食物对象上对MP-PolarMask进行了验证，结果显示相较于使用36条射线的PolarMask，AP_L提升了13.69%，AP提升了7.23%。
引用
@article{arxiv.2406.01356,
title = {MP-PolarMask: A Faster and Finer Instance Segmentation for Concave Images},
author = {Ke-Lei Wang and Pin-Hsuan Chou and Young-Ching Chou and Chia-Jen Liu and Cheng-Kuan Lin and Yu-Chee Tseng},
journal= {arXiv preprint arXiv:2406.01356},
year = {2024}
}