Sparse Instance Activation for Real-Time Instance Segmentation

已于 2022-07-25 14:36:11 修改
阅读量448 收藏
点赞数 1
分类专栏： paper 文章标签： 深度学习
于 2022-07-13 20:51:11 首次发布
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/u011994454/article/details/125772434
版权

用实例激活图的稀疏集合，表示一个新目标，来高亮每个前景目标区域。再聚合高亮区域的特征，得到实例级特征，用以分类和分割。基于二分图匹配，实例激活图可以一对一的方式预测目标，因而避免了NMS的后处理。

网络结构

encoder

以resnet50做backbone为例，使用特征为[‘res3’, ‘res4’, ‘res5’]这三层，分别为1/8, 1/16, 1/32分辨率。对1/32分辨率的特征图做[1, 2, 3, 6]输出尺寸的PPM特征聚合，增大感受野。最终输出1/8分辨率，通道数为256的特征，进入到decoder部分。

decoder

平丘月初
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
实时的实例分割算法模型SparseInst
zhuguiqin1的专栏
05-10 1501
怎么找到一个实时的实例分割算法模型呢？ 从sota的链接上可以看到实时的分割算法模型排名：https://paperswithcode.com/sota/real-time-instance-segmentation-on-mscoco 从中可以看到目前排名第一的是SparseInst-608 然后点开：https://paperswithcode.com/paper/sparse-instance-activation-for-real-time#code 从中可以找到对应的github的代码库地址htt
[论文笔记] SparseInst 阅读笔记
qq_44690067的博客
08-11 2160
实时实例分割 SparseInst，速度快，精度高，以 IAM 为核心进行检测
CVPR 2022: 图像分割论文大盘点
热门推荐
weixin_46142822的博客
04-05 3万+
图像分割——CVPR 2022 论文大盘点 1 前言 本文盘点了CVPR 2022 目前为止的2D图像分割相关论文，包含语义分割和实例分割，总计22篇论文，值得学习。 2.1 语义分割 2.1.1 强监督 ReSTR: Convolution-free Referring Image Segmentation Using Transformers 论文：https://arxiv.org/pdf/2203.16768.pdf 代码：暂无 Bending Reality: Distortion-aware
CVPR 2022 | 中科院自动化所新作速览！（上）
weixin_40920183的博客
03-17 1308
CASIA解锁更多智能之美导读 | CVPR是计算机视觉的世界三大顶会之一，2022年将在美国新奥尔良召开。本届会议自动化所共有35篇论文录用，我们将通过上下两期推文对相关研究进行简要介绍...
中科院自动化所17篇CVPR 2022 论文新作速览！
zandaoguang的博客
03-22 1029
点击上方“视学算法”，选择加"星标"或“置顶”重磅干货，第一时间送达仅作学术分享，不代表本公众号立场，侵权联系删除转载于：中科院自动化所编辑：专知01.AnyFACE: 自由式文本到人脸合成与操控AnyFace: Free-style Text-to-Face Synthesis and Manipulation现有的文本到图像生成的方法通常只适用于数据集中已有的单词，...
Deep Snake for Real-Time Instance Segmentation：基于Deep Snake的实例实时分割
阿波
04-23 3195
本文针对自己所看的 Deep Snake 做一个总结和存档，也方便其他同学学习 —— 阿波，2020.4.23 论文原文：Deep Snake for Real-Time Instance Segmentation 代码地址： snake 本篇文章工作有以下贡献： •提出了一种基于学习的snake算法用于实时实例分割，该算法将初始轮廓变形到对象边界，并引入循环卷积来进行轮廓特征学习。 •提出了一个...
Learning Neural Sparse Voxel Fields for Free-viewpoint Rendering
01-19
#极市直播第61期：山东大学“可视计算”学术专题报告#
sparse-segmentation:RISS 2018-稀疏LIDAR点云的分割
04-29
使用SqueezeSeg的稀疏点云的语义分割-RISS 2018 该存储库包含： 一个基于C ++的点云地面注释器，基于：3D点云的... title={Fast segmentation of 3D point clouds: A paradigm on LiDAR data for autonomous vehicl
Real-time Mesh-based Scene Estimation
06-10
precision in real-time. Our evaluation testbed is formed using ground-truth not only in the pose of the sensor-suite, but also the scene reconstruction using a highly accurate laser scanner, offering ...
Dictionary-learning-Sparse-representation-for-defect-detection:稀疏编码的缺陷检测＆http
05-10
字典学习缺陷检测的稀疏表示
eccv_Real-Time Compresssive Tracking
01-14
Abstract.It is a challenging task to develop effective and...real-time and performs favorably against state-of-the-art algorithms on challenging sequences in terms of efficiency, accuracy and robustness.
《Deep Snake for Real-Time Instance Segmentation》
tongshen的博客
03-18 3559
《Deep Snake for Real-Time Instance Segmentation》   论文借鉴了snake算法，将snake算法做成了轮廓结构化特征学习的方法。DeepSnake是基于轮廓的两阶段实例分割的方法，初始化建议轮廓，然后对建议轮廓进行变形，是其对目标更加贴合。论文使用了循环卷积取得了比通用的图卷积能更好的挖掘轮廓的周期图结构。 Key Words：Snake、Tw...
YOLACT：Real-time Instance Segmentation总结
qq_32678471的博客
04-23 1800
YOLACT：Real-time Instance Segmentation 这篇文章精度不高（mAP=29.8%），但是速度上有了较大的提升（33fps），能够达到实时级别。文中提到训练时只用了一个GPU，titanx。我下载源码用4块1080Ti卡跑的时候，采用COCO2014数据集，默认max_iter为400000次，batchsize为8，显示需要34天。看了下代码，感觉很复杂，数据预处...
50、实例分割SparseInst模型部署mnn、ncnn、rknn，完成业务需求
sxj731533730
10-11 1448
基本思想：看了金东大佬的知乎，羡慕其检测速度和效果，业务存在对实例分割的需求，需要移植嵌入式开发板上，趁国庆节休息几天，搞一下几个例子，部署一下。其中转rknn模型的代码，dataset.txt只有一张图片路径。修改opset_version=9,原因。简化模型转ncnn、mnn、rknn。二、官方提供了转换onnx的代码。一、下载官方代码，测试一下。
实例分割综述 | 近两年的SOTA汇总
CV_Autobot的博客
08-20 1590
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【ECCV2022】获取ECCV2022所有自动驾驶方向论文！全监督YOLACTYOLACT 主要贡献一是在 MS COCO 数据集上做出了第一个实时的实例分割模型；二是对模型的各种表现进行了评估；此外还提出了比 NMS 算法更快的 Fast NMS；YOLACT 为了保证速度，设计了2个分支...
细粒度结构化稀疏神经网络：第二节
weixin_46283249的博客
07-14 1003
本文的主要贡献总结为三方面： (1) 据我们所知，这是第一次系统研究从头开始训练 N:M 结构化稀疏神经网络而没有性能下降。 N:M 结构化稀疏性是模型加速中缺少但有希望的成分，它可以作为各种压缩方法的有价值的补充。 (2) 我们扩展 STE 来解决训练 N:M 稀疏神经网络的问题。为了减轻 STE 在稀疏网络上的局限性，我们提出了一个稀疏细化术语来提高从头开始训练稀疏神经网络的有效性。 (3) 我们对 N:M 细粒度稀疏网络的各种任务进行了广泛的实验，并为 N:M 稀疏网络训练提供基准，以促进相关软
SparseInstance和Instance的相互转换-稀疏矩阵与矩阵的相互转换
xwq的博客
11-06 822
当一个数据集中很多instance中的很多属性值是0时，这个数据集就会以稀疏矩阵的形式存储。这个过程主要是通过将Instance转换为SparseInstance实现的，SparseInstance是Instance的子类。 对于一个值为{0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,2,0,0}的instance，其对应的SparseInstance为{9 1, 18 ...
Sparse R-CNN 论文精读
Flying Bulldog 的博客
08-15 2990
文章的创新点： 首次提出动态实例交互头：在迭代结构中，结合线性投影、矩阵乘法、归一化和ReLU激活函数对输入的提议框和提议特征进行一系列操作，最终得到叠加的学习特征。 剔除NMS，选用DETR中的匈牙利匹配优化 Sparse：提议特征默认选用100个，比以往的传统CNN的手工预选框少了几十倍 主要结合Fast R-CNN、DETR和Deformer DETR构造的框架...
【深度学习】PyTorch框架(6)：GNN图神经网络理论和实践
最新发布
MUKAMO的博客
07-19 755
本文深入探讨了神经网络在图结构数据处理中的应用，介绍了图的邻接矩阵和边列表表示方法，以及图卷积网络（GCN）和图注意力网络（GAT）的实现。实践表明，图信息对提升预测模型性能至关重要，GNNs在社交网络、生物信息学、交通优化和推荐系统等领域具有巨大潜力，未来在AI领域将扮演更重要角色。
Sparse Structure Search for Parameter-Efficient Tuning阅读笔记
05-19
这篇论文主要介绍了一种稀疏结构搜索的方法来有效地调整深度神经网络中的参数，以达到更好的性能和更高的效率。作者将该方法称为Pruning with Neuron Selectivity Ratio (PNSR)。该方法的主要思想是通过对神经元的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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