实例分割之SOLO: Segmenting Objects by Locations

SOLO: Segmenting Objects by Locations

code

实例分割主要有两大类方法：

• 一种是“detect-then-segment”，即先检测bbox，再分割目标，如Mask R-CNN。这类方法比较依赖于目标框的检测精度，当目标不适合用矩形框标记时，这类方法将不再适用；
• 另一种是为每个像素学习一个嵌入向量，再通过后处理（如聚类算法）得到实例。

与Mask R-CNN这类实例分割相比，SOLO不必检测目标框，可直接得到实例的像素分割结果。若不能简单地用矩形框标记目标，那么采用Mask R-CNN这类先检测矩形框，再分割目标的方法，显然是不合适的。此时，SOLO不失为一种可尝试的方案。

SOLO思想：

• 将图片分为S*S个格子，每个格子负责预测落在该格子中的目标的实例掩码（Mask Branch）和类别（Category Branch）。
• 其中，每个实例的掩码为基于全图大小的语义分割图，采用二分类方式，分为前景和背景。

Loss Function

• 对于类别分支Category Branch，采用Focal Loss。
• 对于实例掩码分支Mask Branch，采用dice loss。

但是，SOLO在预测实例掩码时，有S*S个分割图，而其中有很多是冗余的（并不是每个格子都有目标，那么必然有的分割图是无用的，多余的）。为节省资源，作者将分割图分解为X方向的分割图和Y方向的分割图，叫Decoupled head。如下图所示。

对于最终的实例分割mask，为Y-branch与X-branch掩码对应位置相乘后的结果。假如格子坐标为（i，j），那么，最终的Mask为Y-branch上第i个掩码与X-branch上第j个掩码对应位置相乘的结果。

Decoupled head在节省计算资源的同时，精度并未降低。

参考：

https://blog.csdn.net/qq_36530992/article/details/103857123