SOLOv2：动态快速的实例分割
计算机视觉与模式识别
2020-10-27 v3
摘要
本工作中，我们旨在构建一个简单、直接且快速的实例分割框架，并具备强劲性能。我们遵循 Wang 等人提出的 SOLO 方法“SOLO: segmenting objects by locations”的原则。重要的是，我们进一步动态学习目标分割器的掩码头，使得掩码头以位置为条件。具体而言，掩码分支被解耦为掩码核分支和掩码特征分支，分别负责学习卷积核和被测卷积的特征。此外，我们提出 Matrix NMS（非极大值抑制）以显著减少由于掩码 NMS 带来的推理时间开销。我们的 Matrix NMS 通过并行矩阵操作一次性完成 NMS，并取得更好的结果。我们展示了一个简单直接的实例分割系统，在速度和精度上均优于若干最先进方法。SOLOv2 的轻量版以 31.3 FPS 运行，并取得 37.1% AP。此外，我们在目标检测（来自我们的掩码副产品）和全景分割上的最先进结果表明，除实例分割外，其有潜力作为许多实例级识别任务的新强基线。代码见：https://git.io/AdelaiDet
引用
@article{arxiv.2003.10152,
title = {SOLOv2: Dynamic and Fast Instance Segmentation},
author = {Xinlong Wang and Rufeng Zhang and Tao Kong and Lei Li and Chunhua Shen},
journal= {arXiv preprint arXiv:2003.10152},
year = {2020}
}
备注
Accepted to Proc. Advances in Neural Information Processing Systems (NeurIPS'20). Code is available at: https://git.io/AdelaiDet