CVPR2019-实例分割Mask Scoring R-CNN

Mask Scoring R-CNN在CVPR2019上提出,解决了Mask RCNN中mask分数不能准确反映分割质量的问题。通过添加IoU预测分支,结合分类和IoU得分进行mask评分,提高了实例分割的性能。在COCO数据集上的测试结果显示显著提升。
摘要由CSDN通过智能技术生成

今年的Oral,在coco数据集表现超过了Mask RCNN,来自地平线的华科实习生。

论文:Mask Scoring R-CNN【paper】【github

1. 提出背景

     Mask RCNN 提出以来,一直是作为经典霸屏,但这里面一直存在一个严重的问题,那就是其score机制:

     由于沿用了 Faster RCNN 的 class和box,对应class是类别score,并不能代表mask的好坏,看下图:

2. 算法框架

    问题提出来,很简单的想法就是,我能否加一个分支预测mask部分的score呢?比如用IoU来度量。

     思路很简单,在Mask head的基础上,加了一个分支,将ROI对齐后的特征与得到的Mask做了一个concat,然后通过卷积层+全连接层,得到IoU Score,最后通过score相乘得到最终的得分:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值