本文对比了三种实例分割方法：Muti-task Network Cascades（MNC）、Fully Convolutional Instance-aware Semantic Segmentation（FCIS）和Mask R-CNN。MNC通过不同任务的级联实现实例区分，FCIS作为首个全卷积端到端解决方案，超越MNC，而Mask R-CNN通过扩展Faster R-CNN并引入RoIAlign层改进了定位精度，成为新的领先者。
Paper1:《Instance-aware Semantic Segmentation via Multi-task Network Cascades》
本论文为CVPR16 arxiv:1512 Micorsoft Research
Author：Jifeng Dai Kaiming He Jian Sun
(1)提出Muti-task Network Cascades(多任务网络级联，MNC)，由differentiating instances、estimating masks和categorizing object组成(三者共享卷积)。
(2)single-step training、end-to-end training。在VOC 12 Instance segmentation ta
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
