首页
学习
活动
专区
工具
TVP
发布

【实例分割】一阶段实例分割模型PolarMask笔记

去年下半年前主流的高精度实例分割方法主要是基于Faster RCNN网络的Mask RCNN改进方法,下半年后提出几种特殊的一阶段实例分割模型。这里主要介绍PolarMask。

1.核心思想

参考FCOS在目标检测任务中的优良表现,PolarMask提出基于中心点分类和距离回归的方法进行实例分割。中心点分类方法与FCOS类似。FCOS中距离回归只需要考虑到目标框四条边的距离。实例分割中物体的轮廓形状复杂,但PolarMask中回归方法可以视为FCOS中的拓展。以预测得到的中心点为极坐标原点,做多条射线与轮廓相交,回归的是原点到轮廓交点的距离。论文中使用36条射线。

2.网络架构

与FCOS模型类似,使用FPN作为backbone提取特征。输出层包括像素点分类层,点与中心点距离的回归层。不同的是这里回归中心点到轮廓的距离替代FCOS中回归到四条边距离。

3.实验结果

论文中在COCO基准数据集上与常用的实例分割方法进行了比较。除了Mask R-CNN模型,polarmask可以取得最高的mAP。

与常用实例分割模型相比,polarmask的模型参数量明显较少,推断速度较快。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20201021A04X0Z00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

相关快讯

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券