&Title:
- Segmentation Is All You Need
- 代码 None
&Summary
作者提出了 第一个无锚(anchor-free)和无NMS(NMS-free) 的目标检测模型,称为弱监督多模式注释分割(WSMA-Seg),该模型 利用分割模型实现了无需NMS的准确而鲁棒的目标检测 。在WSMA-Seg中,提出了多模式注释(目标轮廓注释、目标边界注释、目标相交区域边界注释),以使用弱监督边界框实现实例感知的分割。我们还开发了一种基于运行数据的跟踪算法来跟踪对象的轮廓。此外,我们提出了多尺度池化分割(MSP-Seg) 作为WSMA-Seg的基础分割模型,以实现更准确的分割并提高WSMA-Seg的检测精度。在多个数据集上的实验结果表明,提出的WSMA-Seg方法优于最新的检测器。
总结:用bounding box生成上面所说的三种注释(四边形 >> 内接椭圆),用这三种注释训练出一个分割模型,然后测试的时候,用分割模型输出实例感知分割图,在通过轮廓跟踪操作以生成目标的轮廓,然后通过创建目标的边界框作为其轮廓的外接四边形。
&Research Objective
使用分割的思想来解决在目标检测中极端环境下的问题。
- anchor-free + NMS-free + seg
&Problem Statement
目前目标检测算法中有两个模块比较重要: region proposal networks (RPNs) 和 non-maximum suppression (NMS) ,虽然这两个模块解决目标检测中的一些问题,但是它们也引入了一些难以克服的问题。
如下图,RPN方法在以下三种极端环境下表现很差