新型实例分割网络PANet（Path Aggregation Network for Instance Segmentation）源码和更新详解

PANet是18年的一篇CVPR，作者来自港中文，北大，商汤与腾讯优图，PANET可看作Mask-RCNN+，是在Mask-RCNN基础上做的几处改进。

PANet源码百度网盘：https://pan.baidu.com/s/15H4XBAVXsz_lnwMXduXEBw
提取码：frhs

PANet翻译后论文

路径聚合网络（PANet），旨在提高基于提议的实例分割框架中的信息流。具体而言，通过自下而上的路径增强在较低层中使用精确定位信号来增强整个要素层次结构，缩短了较低层和最顶层功能之间的信息路径。我们提出了自适应特征池，它将特征网格和所有特征级别链接起来，使每个特征级别的有用信息直接传播到以下提案子网络。为每个提案捕获不同视图的补充分支被创建以进一步改善掩模预测。

改进方向：
1、为了缩短信息路径并利用低层中存在的精确定位信号来增强特征金字塔，创建自底向上路径增强。
图片描述：
（a）FPN骨干。（b）自下而上路径增强。（c）自适应功能池。（d）箱子分支。（e）完全连接的融合。为了简洁，我们省略（a）和（b）中的特征映射的通道维度。

2、为了恢复每个提案和所有功能级别之间断开的信息路径，开发自适应功能池。

3、为了捕捉每个提议的不同视图，用微小的全连接（fc）层来增加掩模预测，这些层与Mask R-CNN最初使用的FCN具有互补性质通过融合这两种观点的预测，信息的多样性会增加，产生质量更好的掩模效果。

取得了coco2017实例分割第一名，目标检测第二名的好成绩。