论文阅读：实例分割新宠-SOLO系列

SOLOv1

论文链接：https://arxiv.org/abs/1912.04488
项目地址：https://github.com/WXinlong/SOLO

SOLO贡献

• 端到端训练，且无后处理
• 只需要mask的标注信息，无需 bbox 标注信息
• 在 MASKCOCO 上实现了和 Mask R-CNN 基本持平的效果
• SOLO 只需要解决两个像素级的分类问题，类似于语义分割
• 本质上，SOLO 通过离散量化，将坐标回归转化为分类问题，可以避免启发式的坐标规范化和 log 变换，通常用于像 YOLO 这样的检测器中。

背景回顾

目前实例分割的两大类策略：

• 基于检测的实例分割：其实就是MaskRCNN系列，检测实例对象的边界框，然后在框内做语义分割，前后景区分。也就得到了实例分割结果。
• 基于像素编码的实例分割：就是对输入图像进行像素的编码，然后再通过聚类手段得到分割结果。

他们要么依赖于检测结果，要么需要后处理。繁琐，速度慢。

SOLO的思想

作者最初的思想是：我们知道语义分割将分割任务当成了分类任务，即对每个像素分类。那么实例分割可不可以也这么做呢？语义分割每个像素点都需要对应一个类别，我们可以利用通道数来表示像素每个类别的概率。但实例分割却不是每个像素都需要分配类别，那我们应该怎么、用什么来表示这个用分类的方式实现实例分割的想法呢？这也就是论文提出的“实例类别“的概念。

那么核心问题就是：

1、什么是物体的实例类别？

2、有了实例类别后，怎么来划分不同实例？

对于第一个问题作者是如何思考的：
物体的语义类别是由人为的定义来区分的，是由人来标注的。那图片里物体的什么属性可以用来区分实例呢？—— 位置和形状。我们可以自然而然的发现，不同实例对象的坐标位置天生就不同（不然他们就重叠了啊，人也难以区分出来啊），并且他们的形状也往往是不同的！作者首先对MSCOCO数据集的验证数据集进行了分析，发现36780个