【实例分割论文】 SOLO：Segmenting Objects by Locations（更新代码）

===========更新 2020/3/28=========

作者源代码已经开源，因此更新了结合作者源代码分析的网络实现部分；

此外，SOLO v2论文已经发布 https://arxiv.org/abs/2003.10152，

=================================

论文名称：《SOLO: Segmenting Objects by Locations》

论文链接：https://arxiv.org/abs/1912.04488

参考代码：https://github.com/WXinlong/SOLO

目录

综述

背景介绍

总体思路

位置（location）

尺寸（size）

网络实现

FPN

Category Branch

Mask Branch

操作流程（附源代码）

后处理

实验结果 

Decoupled SOLO

---

 

综述

作者提出了一种非常简单、直接的实例分割方法。通过引入“实例类别”这一概念，将实例分割的问题转化为两个分类问题。实例类别则是根据实例中的每一个像素的位置和尺寸来确定标签的，思路非常巧妙。作者提出的模型精度不错，在COCO上超越了Mask R-CNN和其他单阶段实例分割模型，但思路是我觉得最值得follow的。 

背景介绍

实例分割（Instance Segmentation）是视觉四任务中相对最难的一个，它既具备语义分割（Semantic Segmentation）的特点，需要做到像素层面上的分类，也具备目标检测（Object Detection）的一部分特点，即需要定位出不同实例，即使它们是同一种类物体。因此，实例分割的研究长期以来都依赖较为复杂的两阶段的方法，两阶段方法又分为两条线，分别是自下而上的基于语义分割的方法和自上而下的基于检测的方法。

自上而下的实例分割方法的思路是：首先通过目标检测的方法找出实例所在的区域（bounding box），再在检测框内进行语义分割，每个分割结果都作为一个不同的实例输出。

自下而上的实例分割方法的思路是：首先进行像素级别的语义分割，再通过聚类、度量学习等手段区分不同的实例。

作者认为，这些两阶段方法都是step-wise和indirect的，因此提出疑问，实例分割与语义分割为何在解决方法上相差如此之大？是否有办法更加简单地完成实例分割？

总体思路

这里引用作者的回答来理解作者的动机与思路。

SOLO的出发点很简单，怎么样简单直接的做实例分割？语义分割和实例分割，大家都是分割，为什么解决起来大相径庭？

语义分割，其实就是逐像素的语义类