细节在边界：利用边界表示进行基于基的实例分割
计算机视觉与模式识别
2020-11-30 v1
摘要
为了实现面向实时视觉应用更连贯的场景理解，单阶段实例分割近来受到关注，其设计比两阶段方法更简单高效。此外，其全局掩码表示通常比迄今占主导地位的两阶段 Mask R-CNN 取得更优的精度。尽管单阶段方法取得了有前景的进展，实例边界的更精细描绘仍未被发掘。事实上，边界信息提供了一种强大的形状表示，可与单阶段分割器的全卷积掩码特征协同作用。在本工作中，我们提出基于边界基的实例分割（B2Inst）来学习一种全局边界表示，以补充现有常缺乏高频细节的基于全局掩码的方法。此外，我们设计了一种掩码与边界的统一质量度量，并引入一个网络模块来自学习对其逐实例预测打分。当应用于单阶段实例分割最强基线时，我们的 B2Inst 带来了一致的提升，并准确解析出场景中的实例边界。无论是单阶段还是两阶段框架，我们在 COCO 数据集上以相同的 ResNet-50 和 ResNet-101 骨干网络超越了现有的 SOTA 方法。
引用
@article{arxiv.2011.13241,
title = {The Devil is in the Boundary: Exploiting Boundary Representation for Basis-based Instance Segmentation},
author = {Myungchul Kim and Sanghyun Woo and Dahun Kim and In So Kweon},
journal= {arXiv preprint arXiv:2011.13241},
year = {2020}
}