RDSNet笔记

RDSNet笔记

 

本文设计了一个双流结构来共同学习目标级(BBox)和像素级(分割掩膜)特征。在这个结构中来自两个流的信息交替融合，即目标级别的信息将实例和位移信息引入到了像素级别，而像素级别的信息则改善了目标级别上的定位精度。

具体来说，一个相关性模块和一个剪切模块被提出来生成实例掩膜，另外提出了一个基于掩膜的精炼边界框模块。在COCO数据集上进行的大量实验分析和比较证明了RDSNet的有效性。

https://mp.weixin.qq.com/s?__biz=MzA5ODEzMjIyMA==&mid=2247499200&idx=2&sn=61a0ca8350988affc8cb49eeb64c7c5d&chksm=9094f453a7e37d45fc91b767b9d09379bfdbd812683f9de9a0610e4f2d3c21449ffcf0c63c58&mpshare=1&scene=1&srcid=&sharer_sharetime=1588606818686&sharer_shareid=ab5aa3530015c5ae813227bf34b4fc84&key=1b30113a73e693c993a0f1e19b682337d62b184fea5f1c4893a9eb2c244ac94681a9ef4174a60486710066b53d331eca37107fe6108f9449716566cca7505ad7ed753bd142d32d88fd5eba74e744c3f4&ascene=1&uin=MjIzODAyMTI0MA%3D%3D&devicetype=Windows+10+x64&version=62090070&lang=zh_CN&exportkey=Aab6NND3n4XCurYJN170NRk%3D&pass_ticket=njfgvraIpBCvSbdu7OpIowU%2BfiiR32X%2BSWoeu0bUTfgANnlI3zB4ZwCcuCrWjAU7