【学习记录】实例分割的发展与区别

【学习记录】实例分割的发展与区别

参考于《The Evolution Of Instantce Segmentation》

发展历程

RCNN

开发集成了RCNN技术产生了AlexNet，以及使用选择性搜索的区域建议。
RCNN达到了很高的目标检测精度，但是训练过程漫长，因为在CNN层中每个图片特征都要单独提取

Fast RCNN

使用检测器（detecotr）的端到端训练，同时学习softmax分类器和特定的BBOX回归。

• FastRCNN 在区域建议中建议共享神经元的权重，并在最后一个卷积层添加ROI池化层。
• 第一个全连接层用来提取特定区域的特征
• ROI池化使用特征级扭曲的概念，以实现图像级翘曲

Multipath Network

对标准的Fasr RCNN做了三次修改。

1. 给目标检测器(object detector)权限去访问不同图层
2. 添加一个中心凹元素，用于以不同分辨率利用图像的上下文
3. 添加一个积分性质的损失函数

神经网络调整为提高实例分割的定位

Faster RCNN

虽然Fast RCNN有很快的检测速度，但它还是依靠内部区域建议，计算