RefineMask：利用细粒度特征实现高质量实例分割
计算机视觉与模式识别
2021-04-20 v1
摘要
实例分割的两阶段方法，如 Mask R-CNN，近来已取得优异性能。然而，由于特征金字塔与实例级池化过程中均存在下采样操作，分割出的掩码仍然非常粗糙，对大物体尤甚。本工作中，我们提出一种称为 RefineMask 的新方法，用于物体与场景的高质量实例分割，其在实例级分割过程中以多阶段方式融入细粒度特征。通过逐阶段融合更详尽的信息，RefineMask 能够稳定地细化出高质量掩码。RefineMask 成功分割了被多数先前方法过度平滑的物体弯曲部位等困难情形，并输出精确边界。无需额外技巧，RefineMask 在 COCO、LVIS 与 Cityscapes 基准上分别以少量额外计算成本相较 Mask R-CNN 取得 2.6、3.4、3.8 AP 的显著增益。此外，我们的单模型结果在 LVIS test-dev 集上以 1.3 分超越 LVIS Challenge 2020 冠军，并确立了新的最先进水平。代码将发布于 https://github.com/zhanggang001/RefineMask。
引用
@article{arxiv.2104.08569,
title = {RefineMask: Towards High-Quality Instance Segmentation with Fine-Grained Features},
author = {Gang Zhang and Xin Lu and Jingru Tan and Jianmin Li and Zhaoxiang Zhang and Quanquan Li and Xiaolin Hu},
journal= {arXiv preprint arXiv:2104.08569},
year = {2021}
}
备注
Accepted by CVPR 2021. Code is available at https://github.com/zhanggang001/RefineMask