开源 | CVPR2020 Deep Snake在32.3 fps 速度下512×512具有较高的实时应用效率

论文地址：http://arxiv.org/pdf/2001.01629v3.pdf

代码：https://github.com/zju3dv/snake/.

来源：浙江大学

论文名称：Deep Snake for Real-Time Instance Segmentation

原文作者：Sida Peng

本文提出了一种基于轮廓的实时的实例分割方法——deep snake算法。与最近一些直接从图像中返回物体边界点坐标的方法不同，deep snake使用神经网络迭代地变形初始轮廓来匹配物体边界，使用学习方法实现了snake算法的经典思想。在deep snake中使用循环卷积，基于学习到的特征得到每个顶点需要调整的偏移量以尽可能地准确包围实例，而后通过迭代得到更为精确的轮廓结果。基于deep snake算法，我们的实例分割分为两个步骤:首先初始化轮廓，然后使轮廓变形，矫正目标定位中的错误。实验结果表明，使用1080Ti GPU, 在数据集Cityscapes、KINS、SBD和COCO 中，使用512×512分辨率的图片使用本文算法可以达到32.3 fps，并且取得了较好的性能，同时具有较高的实时应用效率。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。