RDSNet：一种用于目标检测与实例分割相互增益的新型深度架构
计算机视觉与模式识别
2019-12-12 v1
摘要
目标检测与实例分割是两个基础的计算机视觉任务。它们密切相关，但在以往大多数工作中其关系尚未被充分探索。本文提出 RDSNet，一种用于目标检测与实例分割相互增益的新型深度架构。为使这两个任务相互增益，我们设计了一种双流结构，在目标级（即边界框）与像素级（即实例掩码）联合学习特征。在该结构内，两路信息交替融合：目标级信息向像素级引入实例感知与平移方差，像素级信息反过来精炼目标级上目标的定位精度。具体而言，提出一个关联模块与一个裁剪模块以生成实例掩码，以及一种基于掩码的边界精炼模块以获得更精确的边界框。在 COCO 数据集上的大量实验分析与对比证明了 RDSNet 的有效性与高效性。源代码见 https://github.com/wangsr126/RDSNet。
引用
@article{arxiv.1912.05070,
title = {RDSNet: A New Deep Architecture for Reciprocal Object Detection and Instance Segmentation},
author = {Shaoru Wang and Yongchao Gong and Junliang Xing and Lichao Huang and Chang Huang and Weiming Hu},
journal= {arXiv preprint arXiv:1912.05070},
year = {2019}
}
备注
Accepted by AAAI20