论文阅读《PolarMask: Single Shot Instance Segmentation with Polar Representation》

最新推荐文章于 2022-09-08 21:12:31 发布

原创

最新推荐文章于 2022-09-08 21:12:31 发布 · 939 阅读

2 ·

CC 4.0 BY-SA版权

论文链接：https://arxiv.org/pdf/1909.13226.pdf

PolarMask是发表在CVPR20上的一篇文章，基于FCOS，把实例分割统一到了FCN的框架下。与Mask RCNN不同，PolarMask是通过寻找物体的counter进行建模，以得到实例的mask，如下图所示：
在这里插入图片描述
上图(a)为原图像；（b）为Mask RCNN一类的分割方法，在bbox中对每一个pixel进行分类；（c）为直角坐标系下的counter建模；（d）为极坐标系建模轮廓（即本文PolarMask的建模方式）。

其实（c）图直角坐标系的建模方式也是可行的，但是图（d）更加简单，因为极坐标系相较于直角坐标系拥有固定角度先验，因此模型在做回归的时候只需要回归特定角度下的距离即可，大大简化了问题的求解难度。这样实例分割问题就转化成了两个部分：即对实例的中心点进行分类，以及在极坐标系下的密集距离回归。整个pipeline以一张image作为输入，经过模型后得到实例中心点的类别，以及在各个方向上面的距离，最后将这些距离进行组装，得到最后的分割mask。

所以整个流程和FCOS一样简单，而且可以看作FCOS的拓展。因为FCOS只需要预测检测框，从而只需要预测四个方向的参数即可（l，r，t，b）——0，90，180，270度四个方向。PolarMask预测了36个角度的距离，从而得到实例的counter。因此FCOS属于PolarMask的一种特殊情况，也证明了实例分割的复杂性和目标检测相仿，并没有增加太多复杂度。