呆呆的猫的博客

FPN 中，根据 proposal 大小的不同，会被分配到不同分辨率的特征上去，这就导致小 proposal 被分配到低层去预测，大 proposal 被分配到高层去预测，但这并非最优的，假设两个 proposal 相差 10-pixel，就可以能被分配到不同吃的的特征图上去，但这两个目标可能非常相近。高层的特征包含全局特征，低层的特征包含细节定位特征，所以 FPN 中的自顶向下的信息传输方式能够给低层特征引入全局信息，利于分类能力的提升。PANet 具体是怎么强化自己的特征传输的？

文章目录一、背景二、相关工作三、重看 SOLOv1四、SOLOv24.1 Dynamic Instance Segmentation4.1.1 Mask kernel branch4.1.2 Mask feature branch论文链接：https://arxiv.org/abs/2003.10152代码链接：http://github.com/WXinlong/SOLO一、背景在 S.........

文章目录一、背景二、本文方法三、本文方法的具体做法3.1 问题定义3.1.1 Semantic category3.1.2 Instance Mask3.2 Network Architecture3.3 SOLO learning3.3.1 Label Assignment3.3.2 Loss Function3.4 Inference四、实验4.1 主要结果4.2 How SOLO work......

摘要实例分割的很多框架中，实例分类的置信度被当做mask质量的衡量指标mask的质量常被量化为 ： 实例mask和真值的 IoU，而与分类置信度没有很大的关联本文提出了 Mask Scoring R-CNN，包含一个网络快来学习预测实例mask的好坏本文网络将 实例特征 和 对应的预测mask 综合起来，来回归 mask 的 IoUMask scoring 策略 将校正Mask 质量和M......

摘要本文提出了一个简单的全卷积网络来实现实时的实例分割（from 加州大学戴维斯分校）MS COCO数据集——mAP=29.8%，33fps，在单个Titan Xp上实验，比目前任一方法都要快速，并且只使用了单个GPU。为何获得如此好的效果： 将实例分割任务分成了两个并行的过程：产生一系列模板mask预测每个实例mask的系数之后将模板mask和实例mask系数进行线性组合来获得实......

文章目录一、背景二、动机三、方法3.1 Boundary Patch Extraction3.2 Boundary Patch Refinement3.3 Learning and Inference四、效果Paper: https://arxiv.org/abs/2104.05239Code: https://github.com/tinyalpha/BPR一、背景实例分割：给图片中的每个目标生成一个带有类别信息的 pixel-wise 的 mask目前比较流行的是 Mask RCNN 系