旷视提出MegDetV2：目标检测/实例分割系统

编辑：Amusi

在COCO 2019/2020 挑战赛中获得最佳结果！该方案包含RPN++、High-IoU等创新点，以及大量tricks，强烈推荐学习！

Joint COCO and Mapillary Workshop at ICCV 2019: COCO Instance Segmentation Challenge Track

作者单位：旷视科技 论文：https://arxiv.org/abs/2010.02475

在此报告中，我们介绍了目标检测/实例分割系统MegDetV2，该系统以two-pass的方式工作，首先检测实例，然后进行分割。

RPN++

我们的基线检测器主要基于新设计的RPN，称为RPN++。

RPN++中的重点是提出了：High-IoU proposal sampling 和 Class aware sampling，涨点明显！

目标检测的超强baseline

使用的方法有：

• Deformable Convolution and Pooling
• Stacking 4 Convolutions for location branch
• Feature Pyramid with deformable convolution High IoU sample
• Class aware sample
• Adding instance segmentation branch in R-CNN

在COCO-2019检测/实例分割 test-dev数据集上，我们的系统达到61.0 / 53.1 mAP，比我们2018年的获胜结果分别高出5.0 / 4.2。

COCO 2019 检测 Road Map

更多获得更高的性能，还采用了很多tricks，如SoftNMS、SyncBN等。具体方法和涨点数据如下：

COCO 2019 实例分割 Road Map

更多获得更高的性能，还采用了很多tricks。具体方法和涨点数据如下：