【阅读笔记】《Learning to Segment Object Candidates》（DeepMask）

本文记录了博主阅读论文《Learning to Segment Object Candidates》的笔记，代码，更新于2019.05.31。

Abstract

目前的目标检测系统主要包括两步：（1）尽量高效地提出一组可能目标的候选；（2）将这些候选送入一个分类器。本文中提出了一种生成目标候选的新方法，包括基于判别卷积网络（discriminative convolutional network）的一个方法。网络的训练同时在两个共同的目的下进行：给定图块，系统的第一部分输出一个不区分类别的分割mask，第二部分则输出这个图块处于一个完整目标中间的概率。在测试过程中，模型可以高效地应用在整个测试图上，并且生成一系列分割mask，每个都分配了对应的目标可能性score。模型也可以范化到未见过的类别。与之前的生成目标mask的方法不同，本文的方法不需要依赖于边界、超像素或其他底层分割（low-level segmentation）。

Introduction

Related Work

DeepMask Proposals

给定一个输入图块，本文所提网络能够估计一个分割mask，并给每个图块分配一个其包含目标的可能性。

mask和score估计是同时用一个卷积网络实现的，只有网络的最后几层有不同。具体如下图所示：

在训练过程中，两个任务同时训练。相比较用两个模型完成两个任务的网络，这个结构能够减小网络规模并提升测试时的速度。

每个样本训练集中的$k$都需要包含三样东西：（1）RGB图块$x_k$；（2）对应输入图块的二进制mask $m_k$（其中 m k i j ∈ { ± 1 } m_k^{ij}\in\{\pm1\} mkij​∈{ ±1}，$(i,j)$对应于每个像素在输入图块中的位置）；（3）标注 y ∈ { ± 1 } y\in\{\pm1\} y∈{ ±1}，声明图块中是否包含目标。具体而言，一个图块$x_k$在给定了标签$y_k=1$时，需要满足下面的限制：

1. 图块包含一个目标且目标在图块中心附近；
2. 目标在指定尺度范围内完全存在于图块中。

否则，$y_k=-1$，即使目标部分出现。实验中用的位置和尺度的容忍度稍后给出。假设$y_k=1$，真值mask m k m_k