【阅读笔记】《Mask Scoring R-CNN》(MaskRCNN)

本文记录了博主阅读论文《Mask Scoring R-CNN》的笔记,代码。更新于2019.04.19。

Abstract

用于实例分割。

Introduction

主要贡献:

  • 文中提出的Mask Scoring R-CNN是首个解决scoring instance segmentation hypothesis问题的架构,提供了实例分割提升精度的新方向。考虑到instance mask的完整性,score of instance mask在高分类score而mask不好的情况下可以被惩罚。
  • MaskIoU head简单有效。在COCO数据库下,使用MS R-CNN可以提升AP约1.5%。

Related Work

Instance Segmentation

在这里插入图片描述
在这里插入图片描述

Detection Score Correction

在这里插入图片描述
在这里插入图片描述

Method

Motivation

在Mask R-CNN中,score of a detection(也就是实例分割)是由分类score中最大值决定的。但是由于背景混乱、遮挡等问题,很有可能分类score很高但是mask效果很差,如下图所示:
在这里插入图片描述
下图比较中使用的是Mask R-CNN with ResNet-18 FPN,COCO 2017 验证集。比较显示,classification score和MaskIoU在Mask R-CNN中没有多少相关性。
在这里插入图片描述

Mask scoring in Mask R-CNN

Mask Scoring R-CNN在概念上还是相对简单的:即带有MaskIoU Head的Mask R-CNN,其输入为实例特征和predicted mask,随后估计输入mask和真值mask之间的IoU,如下图所示。
在这里插入图片描述
Mask R-CNN: 先简单回顾一下Mask R-CNN。在Faster R-CNN之后,Mask R-CNN包括两个阶段。第一阶段是Region Proposal Network(RPN),其提供无类别的candidate object bounding boxes;第二阶段称为R-CNN阶段,其通过RoIAlign提取每个proposal的特征,并进行proposal分类、bounding box回归和mask估计。

Mask scoring: 定义 s mask \text s_{\text{mask}} smask为score of the predicted mask,其概念与predicted mask和对应的ground truth mask之间的像素级IoU等

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值