面向实时实例分割的稀疏实例激活方法
计算机视觉与模式识别
2022-03-25 v1
摘要
本文提出一种概念新颖、高效且全卷积的实时实例分割框架。此前，大多数实例分割方法严重依赖目标检测，并基于边界框或密集中心进行掩码预测。相比之下，我们提出一组稀疏的实例激活图，作为一种新的目标表示，用于突出每个前景目标的信息区域。随后，通过根据高亮区域聚合特征来获得实例级特征，以用于识别与分割。此外，基于二分匹配，实例激活图能够以一对一的方式预测目标，从而避免了后处理中的非极大值抑制（NMS）。得益于基于实例激活图简洁而有效的设计，SparseInst 具有极快的推理速度，在 COCO 基准上达到 40 FPS 和 37.9 AP，在速度与精度上均显著优于同类方法。代码与模型见 https://github.com/hustvl/SparseInst。
引用
@article{arxiv.2203.12827,
title = {Sparse Instance Activation for Real-Time Instance Segmentation},
author = {Tianheng Cheng and Xinggang Wang and Shaoyu Chen and Wenqiang Zhang and Qian Zhang and Chang Huang and Zhaoxiang Zhang and Wenyu Liu},
journal= {arXiv preprint arXiv:2203.12827},
year = {2022}
}
备注
Accepted by CVPR2022