算法框架与过程:
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:
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):
<