完美替代Mask RCNN!BlendMask:实例分割新标杆


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://arxiv.org/pdf/2001.00309.pdf

期待作者早日开源代码~


图像分割交流群

(0)

相关推荐