![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Instance Segmentation
文章平均质量分 81
实力分割
只星若晨
这个作者很懒,什么都没留下…
展开
-
[3] Cascade R-CNN: Delving into High Quality Object Detection【Object Detection番外】
Cascade R-CNN: Delving into High Quality Object Detection【Object Detection番外】 3.1 摘要 总结目标检测模型的典型问题,训练中使用小的IOU阈值会产生大量的噪声,使用大的IOU阈值则会导致模型性能大幅下降。两个原因: (1)指数级丢失正样本导致模型过拟合(大IOU阈值) (2)propose的IOU阈值与prediction detector的阈值不一致(搭配不一致,并不是值相等)导致性能下降 对以上两点,知乎有作者给出了较为详细原创 2022-04-20 20:04:20 · 1248 阅读 · 0 评论 -
[2] Hybrid Task Cascade for Instance Segmentation(HTC)
Hybrid Task Cascade for Instance Segmentation(HTC) 2.1 摘要 基于Cascade R- CNN和Mask R-CNN,有效地利用检测和分割的互补性,提出HTC: (1)多阶段检测和分割协同学习; (2)采用提供空间上下文信息的全卷积分枝,用于在复杂背景下分辨前景 2.2 介绍 Cascade R-CNN优势: (1)预测渐近优化 (2)自适应地处理训练分布。Cascade R-CNN与Mask R-CNN的简单结合不能在检测和分割两个任务带来均衡的性能提原创 2022-04-20 20:02:58 · 2502 阅读 · 0 评论 -
[1] Instances as Queries
Instances as Queries 1.1 摘要 基于Query,由动态掩膜head平行监督驱动的实力分割方法。关键点:object query跨阶段一一对应;object query与mask ROI feature同阶段一一对应。 1.2 介绍 目前SOTA实力分割方法主要基于高性能目标检测器,遵循多阶段设计方式。MASK R-CNN系列,ROI Pool、ROI Align、RPN、feature+FCN(mask)。 DETR基于query的目标检测方法。因此,想到MASK R-CNN + Q原创 2022-04-20 20:01:29 · 3365 阅读 · 0 评论