首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【目标检测】开源|CentripetalNet在Anchors-Free目标检测SOTA,实例分割MaskAP为40.2%

【目标检测】开源|CentripetalNet在Anchors-Free目标检测SOTA,实例分割MaskAP为40.2%

作者头像
CNNer
发布2020-06-29 16:39:27
5210
发布2020-06-29 16:39:27
举报
文章被收录于专栏:CNNerCNNer

论文地址:http://arxiv.org/pdf/2003.09119v1.pdf 代码:https://github.com/kiveedong/centripetalnet. 来源:西安交通大学 论文名称:CentripetalNet: Pursuing High-quality Keypoint Pairs for ObjectDetection 原文作者:Zhiwei Dong

基于关键点的探测器取得了良好的性能。然而,错误关键点的匹配仍然很普遍,严重影响了探测器的性能。为了解决上述问题,论文提出的CentripetalNet,使用向心位移匹配同一目标的角点。该模型预测角点的位置和向心位移,并根据位移的对齐情况匹配角点,这比传统使用的嵌入方法更加有效,在匹配角点时根据嵌入向量的距离进行匹配。此外,该模型可通过添加一个mask分支用于实例分割。实验结果为该模型在MS COCO数据集上目标检测的AP为48.0%、实例分割的MaskAP为40.2%,在Anchors﹣Free目标检测方法上达到了SOTA。

本文创新点:(一)提出基于关键点的目标检测方法;(二)提出向心位移概念改善关键点配对,改善传统匹配问题;(三)添加掩膜分支,将模型应用于实例分割任务;(四)在Anchors﹣Free目标检测方法上达到了SOTA,在实例分割任务上MaskAP为40.2%。

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。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-06-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 CNNer 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像识别
腾讯云图像识别基于深度学习等人工智能技术,提供车辆,物体及场景等检测和识别服务, 已上线产品子功能包含车辆识别,商品识别,宠物识别,文件封识别等,更多功能接口敬请期待。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档