tensorrt 分割_使用mmdetection2.0实现SOLOV2全新的实例分割框架

笔者近日在做一些实例分割到tensorrt的操作，发现，对于许多二阶段的实例分割算法，转换到另一个推理平台很麻烦，主要是这里面存在RPN的一些操作，即便是类似于CenterMask这样的模型，也需要先获取box，然后经过ROIAlign和ROIPool来得到需要的mask，这个过程不仅计算繁琐，而且很难导出到我们想要的模型格式，比如ONNX就不支持这里面的很多op。当我看到这张图的时候，我发现，SOLOV2的性能似乎比maskrcnn差不多，推理速度只要一半，并且速度和精确度都超过了BlendMask。今天我们就用mmdetection 2.0的版本来实现一个SOLOV2.

就目前来讲，很多实例分割算法存在的问题弊端主要是：

• 速度太慢了，比如Maskrcnn，虽然声名远扬，但是要把它部署到realtime，还是很困难的；

• 精度不够，比如Yolact，即便是Yolact++，其精度其实也只能说差强人意，连MaskRCNN都比不上的实力分割，速度再快，也会限制它的使用场景；

• BlendMask，CenterMask这类的算法，都差不多，基于FCOS构建，本质上没啥区别，还是和MaskRCNN整体流程差不多，只不过检测器变了而已，对于部署来说依旧很麻烦。

当然本文要解决的问题并不是部署问题，而