基于判别性方向图的实时实例分割
计算机视觉与模式识别
2021-08-03 v2
摘要
尽管实例分割近年来已取得可观进展，设计兼具高精度与实时性能的算法仍具挑战。本文提出一种称为 OrienMask 的实时实例分割框架。在单阶段目标检测器 YOLOv3 上添加掩码头，以预测若干判别性方向图，其被显式定义为前景与背景像素的空间偏移向量。得益于方向图的判别能力，无需额外前景分割即可恢复掩码。所有匹配同一锚框尺寸的实例共享一张公共方向图。该特殊共享策略降低了掩码预测的摊还内存占用，且不损失掩码粒度。经 NMS 后保留的框预测可从相应方向图以低复杂度并行构建实例掩码。鉴于掩码表示的简洁设计及其与基于锚框的目标检测器的有效集成，我们的方法在实时条件下表现合格，同时保持具竞争力的精度。在 COCO 基准上的实验表明，OrienMask 在单张 RTX 2080 Ti 上以 42.7 fps 速度取得 34.8 mask AP。代码见 https://github.com/duwt/OrienMask。
引用
@article{arxiv.2106.12204,
title = {Real-time Instance Segmentation with Discriminative Orientation Maps},
author = {Wentao Du and Zhiyu Xiang and Shuya Chen and Chengyu Qiao and Yiman Chen and Tingming Bai},
journal= {arXiv preprint arXiv:2106.12204},
year = {2021}
}