师兄没把PPT传上来,我只能佛系记录了……
解决Anchor与target或Anchor与feature之间的对齐问题
一、FreeAnchor
特点:1、嵌入性较强;2、效果较好。
二、Cascade RPN
特点:
1、通过shift生成一个offset。
2、设置了一个自适应的卷积(采用了一种矩形框)代替乱七八糟的deformable卷积(太散,取特征不一定好)
我的问题:
1、Deformable(DCN)和Adaptive Conv各自的优劣?为什么这样改变后效果会好?
三、Dynamic Anchor(与上一篇类似)
解决对齐问题(Refinement后就成了对齐问题,每个点对应的anchor有大有小)。
我的想法:2020/01研究想法笔记中第三条。
四、RepPoints
特点:
1、也是在解决对齐问题。
2、用点表示物体范围而不是用框来表示。
3、基于Anchor-free的,因此有指导作用。
偏工程类
五、POD
解决问题:
1、Dilate rate时预定义的,但是不同物体有不同形状。
2、DCN不支持硬件平台。
特点:提出一种对原来方法进行模拟的新方法。
我的想法:2020/01研究想法中第1条。
我的想法:2020/01研究想法中第2条。
六、AdaptIS
特征:
1、交互式的实例分割。
2、输入一张图谱和一个点,输出这个点对应的实例。
其他
七、TensorMask
将Mask当作Tensor进行处理,想法很有创意,但是论文比较晦涩。
八、IMP
解决问题:当实例分割效果比语义分割的效果要好,如何用实例分割辅助语义分割。
老师质疑:假设有问题,实力分割是更复杂的语义分割,效果应该更差才对。
最后总结:有点类似降维打击,利用实例标注的数据集,提供一种更强的监督。