图像物体中心点_PolarMask: 用极线表示的单阶段物体示例分割-论文解读与思考

算法框架与过程：

网络结构图

简述：算法基于FCOS，原有的FCOS仅仅估计物体的一个中心度，也就是中心点到上下左右四个边的距离(如下图所示)，来进行物体的检测，本文章基于FCOS，将物体的坐标设置在极坐标之下，这样中心点到物体边缘的联系即可表示成一个长度加上一个角度，PolarMask将一个物体围绕着中心分成了36条射线，然后通过估计出表示物体mask的36条射线的端点，通过以此连接这些端点形成物体的大致mask，从而将检测与分割统一在一个框架下。

对比FCOS与PolarMask算法的网络结构基本类似：

FCOS：

FCOS网络框图

从上述算法框架对比不难发现，两者均是先采用resnet作为backbone进行不同级别的图像特征提取，然后在不同层的特征之间进行回归。所不同的是，PolarMask回归的Regression一共回归了n条射线，此处的n=36，也就是将一个物体的角度分成了36份，每隔10°进行一个划分。具体细节如下：

1.Polar Mask Segmentation:

极坐标下的物体实例建模(model instance):

<