TensorMask 是一篇探讨如何使用密集方法进行实例分割的论文。作者提出了使用4D张量来表示密集分割结果，创建了一个张量双金字塔（TBP）结构，以适应不同大小物体的分割需求。实验表明，这种方法在保持高精度的同时，与传统方法相比速度有待提升，为实例分割领域开辟了新的研究方向。
Tensor Mask
文章
何恺明还有RBG大神的新作（一作陈鑫磊这个名字也很熟悉啊）。之前在instance segmentation方面只看过mask R-CNN的论文，看到这篇文章是dense object segmentation，由于在做one-stage detector方面的工作，所以想看看这篇论文能不能对自己有什么启发。
文章的motivation在于：object detection中有dense的方法（如yolo，ssd，retinanet），也有R-CNN这类two-stage的方法；然而在instance segmentation中，目前却没有dense方面的工作，本文的目的就是要用dense的方法来做一下instance segmentation，希望能促进这方面的研究。我对dense object detection的理解就是，直接通过一个end-to-end的网络得到一个HxWxC的输出，这个输出就代表了原图的HxW个位置上的检测结果（但是一个位置上可能又有多个结果，比如yolo一个位置有9个anchor对应9个结果），dense detection比较好做的原因之一就是，bounding box只需要4个变量就可以表示，然而instance segmentation的mask就没那么简单了，因此本文要解决的第一个问题就是，怎么利用CNN的输出tensor来表示dense的segmentation结果，本文提出用一个4D的tensor来表示。
本文4D的tensor形状具体为&
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
