|
今天新出的论文BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation，提出一种自顶向下和自底向上设计策略相结合的实例分割算法BlendMask，在精度上超越了Mask RCNN，速度上快20%，可谓完美替代Mask RCNN的实例分割新标杆！ 该文作者信息： 作者团队来自阿德莱德大学、东南大学和华为诺亚方舟实验室。 BlendMask算法思想结果示例： 上图展示了Blend过程，BlendMask分支得到的Bases和检测分支得到的attns注意力结果，一一对应按元素相乘再相加合成，得到最终的实例分割结果。 网络架构 作者是在SOTA 目标检测算法FCOS基础上改进得到BlendMask，下图橙色部分为实例分割的检测分支，绿色部分为使用FPN特征预测的一组bases。 检测分支得到目标包围框和attns注意力区块，其和Bottom 模块的结果Bases 经Blender模块blend成最终的分割结果。 下图为Bases 和 attentions 结果示意图： 实验结果 作者将BlendMask 与其他SOTA实例分割算法在COCO test-dev数据集上进行了比较： BlendMask 在速度最快的的同时精度最高！ 下图为一些分割结果示例： 该文提出的方法分割结果更加精确细致。 详细信息请查看原论文。 论文地址： https:///pdf/2001.00309.pdf 期待作者早日开源代码～ 图像分割交流群 |
|
|
