面向单阶段实例分割的单像素重建
计算机视觉与模式识别
2019-05-20 v3
摘要
对象实例分割是计算机视觉中最基础但最具挑战性的任务之一，其需要像素级图像理解。大多数现有方法通过向带区域提议网络（RPN）的两阶段目标检测器添加掩码预测分支来解决该问题。尽管产生了良好的分割结果，这些两阶段方法的效率远不能令人满意，限制了其实际适用性。本文提出一种单阶段框架 SPRNet，其通过向现成单阶段检测器引入单像素重建（SPR）分支来实现高效实例分割。所添加的 SPR 分支直接从卷积特征图中的每一单像素重建像素级掩码。在使用相同 ResNet-50 骨干时，SPRNet 以更高推理速度取得了与 Mask R-CNN 相当的掩码 AP，并在各尺度上相较 RetinaNet 取得框 AP 的全面提升。
引用
@article{arxiv.1904.07426,
title = {Single Pixel Reconstruction for One-stage Instance Segmentation},
author = {Jun Yu and Jinghan Yao and Jian Zhang and Zhou Yu and Dacheng Tao},
journal= {arXiv preprint arXiv:1904.07426},
year = {2019}
}