怎么提取mask的边界_B2Inst：利用边界表示法以增强单阶段实例分割

作者称这是第一次探索边界表示以实现准确的实例分割，B2Inst+BlendMask 表现SOTA！性能优于Blendmask、PointRend和CondInst等网络。

The Devil is in the Boundary: Exploiting Boundary Representation for Basis-based Instance Segmentation

注1：文末附【图像分割】交流群

B2Inst

作者单位：KAIST（韩国科学技术院）
论文：The Devil is in the Boundary: Exploiting Boundary Representation for Basis-based Instance Segmentation

为了对实时视觉应用更加一致的场景理解，单阶段实例分割最近变得越来越流行，与两阶段实例分割相比，它实现了更简单，更高效的设计。

此外，其全局mask表示通常会导致迄今为止占主导地位的两阶段Mask R-CNN的准确性更高。尽管单阶段方法取得了不错的进展，但实例边界的更精细分割仍然未被挖掘。实际上，边界信息提供了强大的形状表示形式，可以与单级分割器的全卷积蒙版特征协同工作。

在这项工作中，我们提出了基于边界基础的实例分割（B2Inst），以学习一种全局边界表示，它可以补充通常缺乏高频细节的现有基于全局掩码的方法。

此外，我们设计了一个统一的掩膜和边界质量度量方法，并引入了一个网络模块，该模块学习对自己的每个实例预测进行评分。如果将B2Inst应用于单阶段实例分割中最强的基准，则可以不断改进并准确地解析场景中的实例边界。

实验结果

不管是单阶段还是两阶段框架，我们在具有相同ResNet-50和ResNet-101主干的COCO数据集上都优于现有的最新方法。

CVer-图像分割交流群

建了CVer-图像分割交流群！想要进分割学习交流群的同学，可以直接加微信号：CVer6666。加的时候备注一下：图像分割+学校+昵称，即可。然后就可以拉你进群了。

强烈推荐大家关注CVer知乎账号和CVer微信公众号，可以快速了解到最新优质的CV论文。

推荐阅读

缺陷检测比赛Top3方案分享

2020年度arXiv十大热门论文来了！YOLOv4、SimCLR和GPT-3均上榜

Papers with Code 2020 全年回顾（顶流论文+顶流代码+Benchmarks）

美团提出VisTR：基于Transformers的端到端视频实例分割

又一篇视觉Transformer综述来了！

深度神经网络中的池化方法：全面调研（1989-2020）

OsC Los：用于医学图像分割中不平衡问题的偏移曲线损失

AAAI 2021 | GET：基于Transformer的图像描述

基于GAN的图像合成技术：全面调研和案例研究（2014-2020）

涨点神器！IC-Conv：具有高效空洞搜索的Inception卷积

一文快速回顾U-Net Family

发顶会论文，怎么就那么难？（附三位研究员的经验分享，助力你的科研）

基于深度学习的人体姿态估计综述：全面调研（2014-2020）

基于深度学习的基于内容的图像检索技术：十年调研（2011-2020）

亚马逊李沐团队提出：行为识别的全面调研（2014-2020）

你的NMS该换了！Confluence：实现更准、更强的目标检测

冠军解决方案！用于脑肿瘤分割的nnU-Net改进

综述 | 对比自监督学习技术：全面调研

使用PyTorch时，最常见的4个错误

涨点技巧！汇集13个Kaggle图像分类项目的性能提升指南

综述 | MIT提出视频理解/行为识别：全面调研（2004-2020）

旷视提出MegDetV2：目标检测/实例分割系统

综述 | 基于深度学习的实时语义分割方法：全面调研

涨点神器！南航提出AFF：注意力特征融合