CondInst是ECCV2020提出的一种实例分割方法，它通过动态mask head关注单个实例，避免了ROI Align等操作，解决了实例分割中的聚焦问题。该方法结构基于FPN+FCOS，每个检测到的实例对应一个独立的mask head，适用于处理不规则形状并提供高分辨率输出。由于mask head动态生成，其计算量仅为Mask R-CNN的一半，实现轻量化。
CondInst
https://arxiv.org/abs/2003.05664
作者思考实例分割和语义分割的区别，一个map只能拿一个实例，语义分割是出一个map拿所有实例，实例分割的核心，怎么让网络focus到某一个instance，然后只把这个instance的mask拿出来。
思路
分别拿一个mask head 去得到一个实例的mask。
mask head是在检测器后，检测到多少个instance就跟多少个head，是动态的
结构
使用FPN+FCOS，每个点生成一个框，框后面加个controller，生成一组滤波器，滤波器被用来填充mask head，maskhead作用到一个featuremap上，featuremap不需要crop，直接原图。
不需要ROI Align等操作
疑问：这组filters是怎么填充的maskhead，起到了什么作用
优点
使用动态的maskhead 去attend到instance；
可以处理不规则的形状，不依赖于box，有时候crop出的，里面背景可能被分割为前景；
可以输出高分辨率；
mask head每次只用一次，每个instance用一次，是动态生成的，所以轻量级，而maskrcnn里参数是固定的，需要囊括所有数据集的可能；
在maskhead计算量只有他的一半
2138
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
