SOLO：按位置分割物体
计算机视觉与模式识别
2020-07-21 v3
摘要
我们提出一种崭新且极其简单的图像实例分割方法。与许多其他密集预测任务（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。为预测每个实例的掩码，主流方法要么遵循 Mask R-CNN 所用的“先检测后分割”策略，要么先预测类别掩码再使用聚类技术将像素分组成独立实例。我们通过引入“实例类别”概念，从全新视角审视实例分割任务：依据实例的位置与尺寸为实例内每个像素分配类别，从而将实例掩码分割优雅地转化为可分类求解的问题。至此，实例分割被解耦为两个分类任务。我们展示了一种更简单且灵活的实例分割框架，性能强劲，在精度上与 Mask R-CNN 相当，并优于近期单阶段实例分割器。我们希望这一极简且强劲的框架能作为除实例分割外诸多实例级识别任务的基线。
引用
@article{arxiv.1912.04488,
title = {SOLO: Segmenting Objects by Locations},
author = {Xinlong Wang and Tao Kong and Chunhua Shen and Yuning Jiang and Lei Li},
journal= {arXiv preprint arXiv:1912.04488},
year = {2020}
}
备注
Accepted to Proc. Eur. Conf. Computer Vision (ECCV) 2020. Code is available at https://git.io/AdelaiDet