博客原文:https://blog.csdn.net/weixin_44270815/article/details/105283301
模型下载教程:https://blog.csdn.net/weixin_44270815/article/details/105283697
论文地址:https://arxiv.org/pdf/2003.10152.pdf
开源地址:https://github.com/aim-uofa/AdelaiDet/
SOLOv2: Dynamic, Faster and Stronger
作者:xinlong wang
**0介绍:**在这项工作中,我们旨在建立一个性能强大的简单,直接和快速的实例细分框架。我们遵循Wang等人的SOLO方法的原理。“ SOLO:按位置分割对象”。重要的是,我们通过动态学习对象分割器的蒙版头,使蒙版头以位置为条件,进一步迈出了一步。具体来说,将遮罩分支解耦为遮罩内核分支和遮罩特征分支,分别负责学习卷积内核和卷积特征。此外,我们提出矩阵NMS(非最大抑制)以显着减少由于掩码的NMS造成的推理时间开销。我们的Matrix NMS可以一次完成具有并行矩阵运算的NMS,并产生更好的结果。我们演示了一个简单的直接实例分割系统,该系统在速度和准确性上均优于一些最新方法。轻量级版本的SOLOv2以31.3 FPS的速度执行,并产生37.1的遮罩副产品),全景分割显示了除实例分割之外,还可以作为许多实例级识别任务的新基准的潜力。
1 引言 通用对象检测需要定位单个对象并识别其类别的功能。为了表示对象的位置,边框以其简单性而突出。已经广泛探索了使用边界框对对象进行本地化的