2019/12/31会议记录

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。