SOLO：一种用于实例分割的简单框架
计算机视觉与模式识别
2021-07-01 v1
摘要
与许多其他密集预测任务（例如语义分割）相比，正是任意数量的实例使得实例分割更具挑战性。为了预测每个实例的掩码，主流方法要么遵循“先检测后分割”策略（例如 Mask R-CNN），要么先预测嵌入向量再将像素聚类为独立实例。在本文中，我们通过引入“实例类别”的概念，从全新的视角看待实例分割任务，该概念根据实例的位置为实例内的每个像素分配类别。基于这一概念，我们提出按位置分割对象（SOLO），一种简单、直接且快速的实例分割框架，具有强劲性能。我们依据基本原理推导了若干 SOLO 变体（例如 Vanilla SOLO、Decoupled SOLO、Dynamic SOLO）。我们的方法直接将原始输入图像映射到所需的目标类别和实例掩码，消除了对分组后处理或边界框检测的需求。我们的方法在速度和精度两方面均取得了实例分割的 SOTA 结果，同时比现有方法简单得多。除实例分割外，我们的方法在目标检测（来自我们的掩码副产品）和全景分割中也取得了 SOTA 结果。我们通过将 SOLO 扩展至执行单阶段实例级图像抠图，进一步展示了其灵活性和高质量分割能力。代码见：https://git.io/AdelaiDet
引用
@article{arxiv.2106.15947,
title = {SOLO: A Simple Framework for Instance Segmentation},
author = {Xinlong Wang and Rufeng Zhang and Chunhua Shen and Tao Kong and Lei Li},
journal= {arXiv preprint arXiv:2106.15947},
year = {2021}
}
备注
20 pages. arXiv admin note: substantial text overlap with arXiv:1912.04488, arXiv:2003.10152