Mask R-CNN; ICCV2017; Kaiming He; Object Detection, Instance Segmentation

最新推荐文章于 2021-11-21 17:31:35 发布

superhahahao

最新推荐文章于 2021-11-21 17:31:35 发布

阅读量463

点赞数

分类专栏：目标检测

本文链接：https://blog.csdn.net/superhahahao/article/details/82428036

版权

目标检测专栏收录该内容

3 篇文章 0 订阅

订阅专栏

主要思路:

在Faster R-CNN的基础上增加了一路Mask Branch，来对Feature Map进行Pixel-to-Pixel的Instance Segmentation。Mask Branch相应的损失 $\mathbb{L}_{mask}$ 计算了每一个类，因此可以将Mask和Classification进行Decouple，与之前方法根据Mask来辅助Classification的思路不同，另外，得到的Mask保留了原有的Spatial特征，与之前方法采用Fully Connected Layer得到Vector不同。

另外一点就是提出了ROI Align，用双线性插值的方法代替ROI Pooling，消除了原有的量化误差Quantization Error，一定程度上提升模型Instance Segmentation的准确率。

Mask R-CNN将Classification, BoundingBox Regression还有Mask Regression并行计算，简化了网络的复杂度，并能完成多种任务。

主要结论:

5fps

未来工作:

We note that our mask branches have a straightforward
structure. More complex designs have the potential to im-
prove performance but are not the focus of this work.

对于Mask Branch的丰富。