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: