PolarMask：基于极坐标表示的单阶段实例分割
计算机视觉与模式识别
2020-02-27 v4
摘要
本文提出一种无锚框的单阶段实例分割方法，其概念简单、全卷积，可作为实例分割的掩码预测模块，通过轻松嵌入大多数现成检测方法中来使用。我们的方法称为PolarMask，将实例分割问题表述为极坐标系下的实例中心分类与密集距离回归。此外，我们分别提出了两种有效方法，用于处理高质量中心样本采样和密集距离回归的优化，可显著提升性能并简化训练过程。无需任何额外技巧，PolarMask在具有挑战性的COCO数据集上以单模型、单尺度训练/测试取得32.9%的掩码mAP。我们首次展示了一种更简单且灵活的实例分割框架，能达到具有竞争力的精度。希望所提PolarMask框架可作为单阶段实例分割任务的基础且强力的基线。代码见：github.com/xieenze/PolarMask。
引用
@article{arxiv.1909.13226,
title = {PolarMask: Single Shot Instance Segmentation with Polar Representation},
author = {Enze Xie and Peize Sun and Xiaoge Song and Wenhai Wang and Ding Liang and Chunhua Shen and Ping Luo},
journal= {arXiv preprint arXiv:1909.13226},
year = {2020}
}
备注
Accepted to Proc. IEEE Conf. Computer Vision and Pattern Recognition 2020