Cascade R-CNN升级！目标检测制霸COCO，实例分割超越Mask R-CNN

点击我爱计算机视觉标星，更快获取CVML新技术

---

前天，arxiv上新出一篇论文《Cascade R-CNN: High Quality Object Detection and Instance Segmentation》，目标检测算法Cascade R-CNN 原作者对其进行扩展应用于实例分割。

两位作者均来自加州大学圣地亚哥分校，这可能是一篇投向TPAMI的论文。

在目标检测的实验中，借助于骨干网ResNeXt-152 的加持，在COCO数据集上AP达到50.9，超越之前的SOTA TridentNet算法的48.4，在实例分割实验中精度也显著高于Mask R-CNN。

Cascade R-CNN 是什么？

Cascade R-CNN 是2017年末出的目标检测算法，它的核心思想是：

使用不同的IOU阈值，训练多个级联的检测器。

它可以用于级联已有的检测器，取得更加精确的目标检测。

描述Cascade R-CNN算法的论文被CVPR 2018录用，该文一出，曾经相当长时间位于COCO检测数据集精度榜首（后被图森的TridentNet超越，这次又超了回来。。。）。

谷歌学术显示：