实例分割之SOLOv2

SOLOv2是基于SOLO的改进，SOLO首次提出了直接预测instance mask的范式，但其有如下三个缺点：

（1）mask的表示和学习不充分；

（2）预测得到的mask分辨率不够高；

（3）后处理的NMS太耗时。

基于此，作者在SOLO的基础上做出了两点改进：

（1）采用dynamic卷积的思想，使得网络能够根据位置信息动态地分割实例；

（2）提出了Matrix NMS，大大提高了后处理的速度；

下面对这两点分别进行解读：

Dynamic Instance Segmentation

从上图可以看出，SOLO的mask分支是直接预测一个$HW{S}^2$的矩阵作为输出，在$S^{}$