[深度学习从入门到女装]YOLACT Real-time Instance Segmentation

论文地址:YOLACT Real-time Instance Segmentation

这是一篇进行实例分割的论文

对于目前的实例分割方法,基本上都是在two-stage目标检测算法上加了一个instance segmentation的模块,就像mask-rcnn一样,但是由于对于feature 的多次repool,导致速度很慢,本文提出了一种新的基于one-stage目标检测算法上的改进
在这里插入图片描述
整体结构如上图所示,分为两个模块,Prototype Generation和Mask Coefficients

Prototype Generation

在这里插入图片描述
protonet的模块,其实就是类似于一个用FCN进行语义分割的模块,从P3得到feature map,然后进行上采样,得到k个类的mask,但是与语义分割的不同的地方在于,不使用mask loss,只在网络的最后进行assem的时候,才使用loss

Mask Coefficients

在这里插入图片描述
基于anchor的最终检测结果每个anchor有c个class的confidence、4个bounding box的regressor,本文的改进就是直接又加了一个结果,k个mask confidence对应protonet得到的每个prototype
因此,最终每个anchor进行4+c+k个预测

Mask Assembly

在这里插入图片描述
在这里插入图片描述

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