不忘初心~

转载请注明作者和出处： http://blog.csdn.net/john_bh/图像实例分割，持续更新中~~文章目录ECCV 2020CVPR 2020ICCV 2019CVPR 2019CVPR 2018ICCV 2017CVPR 2017NeuRIPS 2017ECCV 2016CVPR 2015ECCV 2020SOLO: Segmenting Objects by LocationsSOLOv2:Dynamic, Faster and Stronger，Arxiv 03/2020Co

一种新颖的3D点云上实例分割框架 3D-BoNet，该框架为点云中的所有实例直接回归3D边界框，同时为每个实例预测点级蒙版。Bo-Net在ScanNet和S3DIS数据集上表现SOTA，同时在计算效率方面提高了约10倍.已开源！

本文总结了非极大值抑制--NMS，包括传统NMS和最新NMS变体的使用，如何使用NMS提升精度，如何使用NMS提升效率。

作者调研了100多种基于深度学习模型的最新图像分割算法，分为十类，例如：CNN和FCN，RNN，R-CNN，扩张型CNN，基于注意力 模型，生成模型和对抗模型等。 总结了这些模型的定量性能分析，例如PASCAL VOC，MS COCO，Cityscapes和ADE20k数据集。 最后，讨论了未来几年图像分割所面临的一些开放挑战和潜在研究方向。

实例分割一直是计算机视觉中很热门的课题，这几年发展的很快，从 two stage 到 single stage , 从MaskRCNN 到SOLO，不断涌现出一些优秀的文章，分割的精度不断提高，速度也不断刷新。最近读了一篇关于single stage 实例分割的综述，简单梳理了实例分割的发展脉络，这里做一下简单的总结和整理，正在做实例分割方向的同学可以深入看一看文章中提到的paper。

转载请注明作者和出处： http://blog.csdn.net/john_bh/论文链接： Conditional Convolutions for Instance Segmentation作者及团队：沈春华 & 澳大利亚阿德莱德大学会议及时间：ECCV 2020 oralcode1：https://github.com/Epiphqny/CondInstcode1：https://github.com/aim-uofa/AdelaiDet文章目录1.主要贡献1.主要贡献

作者提出point-set anchor，尝试了使用regression的思路去统一Object Detection, Instance Segmentation，Pose Estimation三个high-level recognition tasks。

SOLOv2 性能强大的简单，直接，快速的实例分割框架。

作者通过引入“实例类别”的概念，根据实例的位置和大小为实例中的每个像素分配类别，将实例分割转化为分类问题； 与Mask R-CNN 相比，架构虽然更简单但是有效，是一种单阶段实例分割的方法。

FAIR(何恺明团队新作) PointRend：将图像分割视为渲染(Rendering)，PointRend对实例分割和语义分割都有性能提升，如对实例分割的Mask R-CNN有性能提升，同时对语义分割的DeepLabV3、SemanticFPN也有性能提升。