实例分割(SOLOv1|ECCV2020)——end2end的实例分割方案

SOLO:一种新的端到端实例分割方案  论文地址、 代码地址

1.SOLO(v1)简介

实例分割是给出每个目标对应的mask，与语义分割的区别是，在语义分割里面只需要区分这个点是“猫”还是“狗”，实例分割里面是要判断这个是猫1还是猫2，即对同一类别的不同目标需要进行细分。所以在实例分割里面常用的两种方法为(1)top-down:先根据检测，然后在每个检测框里面进行分割 (2)bottom-up先分割，然后通过后处理来处理同一类别的不同实例，常采用聚类处理。

SOLO中的思路非常清奇，抛除了之前bottom-up和top-down的做法，首先，先思考一下怎么去区分一张图里面的不同实例呢？数据数据统计上作者统计了不同实例之间的距离和尺寸大小。发现98.3% 的的目标对距离>30，剩下的1.7%中的目标对中尺寸差距差1.5倍，从数据角度上看，两个实例要么尺寸不同要么距离较远。如何让网络去区分这个事情呢，下面就介绍下论文的思路，以及每一个branch的输出是什么？Target是什么？Loss是什么？后处理等等

2.思路介绍

2.1 尺寸上的解决方案：

其中尺寸可以通过FPN进行区分&#