【深度学习】【ICCV2019】TensorMask：A Foundation for Dense Object Segmentation

最新推荐文章于 2022-08-02 15:46:51 发布
最新推荐文章于 2022-08-02 15:46:51 发布
阅读量420 收藏
点赞数
分类专栏： 深度学习 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36530992/article/details/105550885
版权
本文探讨了如何使用4D张量来改进实例分割，特别是针对Mask R-CNN的挑战。作者提出了特征对齐和Tensor Bipyramid的概念，解决了不同尺度特征图预测物体时的对齐问题。实验部分比较了不同头部结构对于物体大小适配的影响。
摘要由CSDN通过智能技术生成

【ICCV2019】TensorMask：A Foundation for Dense Object Segmentation

在这里插入图片描述

概要

目前(2019年前）基于密集网格式的滑动窗口目标检测器很流行也很成功(SSD，RetinaNet等)，但是实例分割仍是由先检测再分割的Mask R-CNNR-CNN主导。本文提出了一个4D张量来代表预测的mask(其实就是将通道表示成一个固定大小区域的mask）。

  • 出发点：dense instance segmentation
  • 解决思路：developing effective representations for dense masks

结构

第三章看起来很复杂，据我的理解(若有错误还请指出)，主要的就是两点。第一点就是特征的对齐，如下图所示。
在这里插入图片描述
左图这些五颜六色的小方框就是(y,x)点对应的通道特征，如果我们把通道reshape成VxU来代表这个中心点(y,x)点产生的mask，会有特征不对齐的问题，因为明明是这个点的特征，却用这个特征去表示周围点的mask特征不合适。所以就有了右图的对齐操作，这样这个点产生的特征对应了该点的mask特征。

第二点就是Tensor Bipyramid，提出这个是因为不同大小的特征图需要不同的窗口去产生mask，比如小的特征图&#

最低0.47元/天 解锁文章
计算机视觉与深度学习 | TensorMask: A Foundation for Dense Object Segmentation（何凯明团队新作）近5年目标检测综述
尘世冰封的专栏
03-30 3395
博主github：https://github.com/MichaelBeechan 博主CSDN：https://blog.csdn.net/u011344545 TensorMask：https://arxiv.org/pdf/1903.12174.pdf 2019 RCNN：https://arxiv.org/pdf/1311.2524v3.pdf ...
[论文学习] TensorMask: A Foundation for Dense Object Segmentation
Holeung blog
05-29 842
TensorMask: A Foundation for Dense Object Segmentation Abstract 掩膜的结构化表示 4D张量详解 张量尺度金字塔 Result
【分割】TensorMask: A Foundation for Dense Object Segmentation
HTS's Blog
04-01 585
论文阅读：TensorMask: A Foundation for Dense Object Segmentation 这是第一次看分割的论文，据说相当于分割界的yolo。 现在分割界的方法主要是由先检测出目标的bounding boxes，再修剪和分割这些区域，大致都是mask rcnn一类的。这篇论文研究了密集的基于滑动窗口的实例分割。这项任务远远不同于语义分割和目标检测，因为在每个空间位置的...
TensorMask: A Foundation for Dense Object Segmentation
761527200_leili的博客
10-18 392
一.摘要 1.基于滑动窗口的目标检测生成稠密，规则网格的bounding-box是很火热的 2.相比之下，现代的实例分割方法被后述的方法所主导，它首先检测对象边界框，然后裁剪和分割这些区域，如Mask R-CNN所推广的那样 3.object detection中有dense的方法（如yolo，ssd，retinanet），也有R-CNN这类two-stage的方法；然而在instance s...
论文阅读：TensorMask: A Foundation for Dense Object Segmentation
Kivee的博客
03-30 6460
Tensor Mask 文章    何恺明还有RBG大神的新作（一作陈鑫磊这个名字也很熟悉啊）。之前在instance segmentation方面只看过mask R-CNN的论文，看到这篇文章是dense object segmentation，由于在做one-stage detector方面的工作，所以想看看这篇论文能不能对自己有什么启发。    文章的motivation在于：object ...
基于视觉的机器人抓取: 论文及代码(Vision-based Robotic Grasping: Papers and Codes)
热门推荐
dsoftware的博客
10-22 2万+
最近总结了基于视觉的机器人抓取的相关论文及代码，同步于github。根据抓取的类别，基于视觉的机器人抓取可以分为两类：2D平面抓取以及6D空间抓取。这个页面总结了近年来涉及到的各种各样的方法，其中大部分都使用了深度学习。总结的中文框架结构如下： 0.综述论文 1. 2D平面抓取 这类方法将抓取，用平面内旋转的矩形框表示； 1.1基于RGB或者RGB-D的方法 采用基于目标检测类的方法，直接得到2D...
ICCV2017论文摘要汇总
super_chicken的博客
04-18 6513
1. Globally-Optimal Inlier Set Maximisation for Simultaneous Camera Pose and Feature Correspondence Abstract: Estimating the 6-DoF pose of a camera from a single image relative to a pre-computed 3D p...
[调研] 通用实例分割方法
xby的学习笔记存档处
05-23 3936
目前的实例分割方法可分为3类： top-down，也叫做 detect-then-segment，顾名思义，先检测后分割，如FCIS, Mask-RCNN, PANet, Mask Scoring R-CNN； bottom-up，也叫Embedding-cluster，将每个实例看成一个类别；然后按照聚类的思路，最大类间距，最小类内距，对每个像素做embedding，最后做grouping分出不同的instance。Grouping的方法：learned associative embedding，A
CMU & Stanford 课程
Rachel Zhang的专栏
04-18 1万+
Stanford课程： https://www.coursera.org/courses 网易公开课：http://blog.csdn.net/dcraw/article/details/7712321 学习笔记：http://www.cnblogs.com/jerrylead/archive/2012/05/08/2489725.html CMU 方向（CMU Areas）： ht
TensorMask
weixin_30684743的博客
04-11 600
原文地址：https://arxiv.org/pdf/1903.12174.pdf 论文阅读：http://www.zhenzhujue.cn/article-36456-1.html https://blog.csdn.net/qq_37014750/article/details/88916756 转载于:https://www.cnblogs.com/herd/p/10687406.ht...
tensor.nozero(), mask, [mask]
Le0v1n 的博客
08-02 1115
简单了解 `tensor.nozero()`方法, mask如何设计以及mask的应用方式.
tensorflow 生成一个tensor的mask
曲草的博客
09-17 3245
import tensorflow as tf a = tf.constant([[-1, 2, 3], [2, -3, 4], [5, 6, -7]], dtype=tf.float32) d = tf.ones(shape=[3, 3], name='a') e = tf.zeros(shape=[3, 3], name=...
三维Tensor维度分析,举例mask[0,:],mask[:,:,0],mask[:,0,:]
weixin_43889476的博客
06-10 1558
设三维张量的shape是x、y、z，则可理解为它是由x个二维张量构成，每个二维张量由y个一维张量构成，每个一维张量由z个标量构成。 三种颜色分别代表三个维度.
Pytorhc中的Torch.tensor.masked_fill_(mask, value)函数拓展
乄洛尘
04-29 1445
照例，吐槽一下之前CSDN博客中关于tensor.masked_fill_ (mask,value)函数，如你所见，大部分的博客都是强调 mask 的 shape 必须和tensor一样，但是咋就没有同学考虑广播机制的存在捏？
Res-DenseNetSegmentation模型调试记录
weixin_30633405的博客
03-10 168
参考：https://blog.csdn.net/AbstractSky/article/details/76769202 　　　https://blog.csdn.net/jsliuqun/article/details/62418778 一、函数记录 1、glob.glob(“图片路径”) 用于将数据集里图片路径储存到列表里 2、np.fliplr（矩阵） 翻转矩阵左右 1 ...
【论文笔记】Efficient multi‐scale 3D CNN with fully connected CRF for accurate brain lesion segmentation
qq_44055705的博客
03-20 1914
【论文笔记】Efficient multi‐scale 3D CNN with fully connected CRF for accurate brain lesion segmentation 文章题目：Efficient multi‐scale 3D CNN with fully connected CRF for accurate brain lesion segmentation 作者：Konstantinos Kamnitsas , Christian Ledig , Virginia F.
pytorch tensor一些操作
jiafei828的博客
12-27 833
文章目录前言一些概念tensortensor维度调整tensor堆叠tensor筛选tensor排序tensor替换数值tensor分割其他操作 前言 本博客主要用于记录本人学习pytorch过程中一些笔记，并非零基础入门，方便自己查询，主要是深度学习计算机视觉方向。 一些概念 深度学习模型输入一般为数个图像构成的张量，张量shape为**[B, C, H, W]**的形式。 torch中分类损失函数如CrossEntropyLoss()、BCELoss()，会自动对输入标签进行进行one-hot。
pytorch中几种tensor掩码的获取方法（含代码）
ROYOLE'S
09-08 3055
方式一：直接取布尔值 输入： target = torch.Tensor([1,0,0,2,0,0,3]) mask = (target > 0) masked_target = target[mask] print(target) print(mask) print(masked_target) 输入： target = torch.Tensor([1,0,0,2,0,0,3]) mask = target.ge(0) masked_target = torch.masked_sel.
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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