YOLACT：实时实例分割
计算机视觉与模式识别
2019-10-28 v2
摘要
我们提出了一种简单、全卷积的实时实例分割模型，在单个 Titan Xp 上以 33.5 fps 在 MS COCO 上达到 29.8 mAP，比以往任何具有竞争力的方案都显著更快。此外，我们仅在使用一块 GPU 训练后就获得了该结果。我们通过将实例分割拆分为两个并行子任务来实现这一点：（1）生成一组原型掩码；（2）预测每实例掩码系数。然后我们通过将原型与掩码系数线性组合来生成实例掩码。我们发现由于该过程不依赖于重池化，这种方法产生非常高质量的掩码并免费展现出时间稳定性。此外，我们分析了原型的涌现行为，并显示尽管是全卷积的，它们学会以平移变体的方式自行定位实例。最后，我们还提出了 Fast NMS，一种可即插即用的、快 12 ms 的标准 NMS 替代方案，其仅有微小的性能损失。
引用
@article{arxiv.1904.02689,
title = {YOLACT: Real-time Instance Segmentation},
author = {Daniel Bolya and Chong Zhou and Fanyi Xiao and Yong Jae Lee},
journal= {arXiv preprint arXiv:1904.02689},
year = {2019}
}
备注
Updated for ICCV 2019 and added appendix