[深度学习] Mask Scoring R-CNN论文阅读

Mask Scoring R-CNN

  • Mask评分R-CNN
  • CVPR 2019 oral
  • paper

这篇论文中,作者提出了一种对Mask评分的新的方法,用于解决Mask RCNN中没有针对Mask进行评分从而影响实例分割的准确性这一问题。在Mask R-CNN模型中,在实例分割任务里,虽然输出结果是一个Mask,但打分却是和边界框目标检测(bounding-box object detection)共用的评分,都是针对目标区域分类的置信度算出来的分数。这个分数与实际的Mask结果可能并不一致,可能需要一个针对Mask的打分算法,来评价目标识别中的Mask预测质量。如下图所示,由于背景杂波、遮挡等问题,分类分数可能较高,但Mask质量较低,实际上,这样的分类分数对Mask进行打分会降低评价结果。

在这里插入图片描述

MaskIoU

为了重新定义这一问题,作者提出了一个MaskIoU的概念,就是实例分割利用预测Mask与Groud Truth Mask之间的像素级IoU来描述实例分割质量,提出了一种直接学习IoU的网络,这个IoU被称作MaskIoU。

在提出MaskIoU这一概念后,作者就对现有的Mask RCNN框架中的Mask评分与MaskIoU

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值