乄洛尘

本文旨在研究建立一个仅需最小训练时间和 GPU 的实例分割器，Mask Frozen-DETR，能够将任何基于 DETR 的目标检测模型转化为一个实例分割模型。提出的方法仅需训练附加的轻量化 mask 网络，通过一个冻结的基于 DETR 的目标检测器在 Bounding box 内预测实例 mask。在 COCO 数据集上效果很好，仅需单张 V100 16G 卡即可进行训练。

最近基于 Box 监督的实例分割很火，但目前的方法主要依赖基于 mask 的框架，本文首次提出基于 polygonal 多边形的分割。模型由两部分组成：基于点的一元损失，用于限制预测的多边形所形成的 bounding box，从而实现粗分割；距离感知成对损失，用于促进预测的多边形拟合目标轮廓。相比于 mask 的弱监督方法，本文提出的 BoxSnake 在 COCO 和 Cityscapes 数据集上更有效。图像I∈RH×W×W×3I∈RH×W×W×3NNN。

本周更新的第二篇论文阅读，2023年每周一篇博文，还剩5篇未补，继续加油~论文地址：DynaMask: Dynamic Mask Selection for Instance Segmentation：https://arxiv.org/abs/2303.07868代码地址：https://github.com/lslrh/DynaMask收录于：CVPR 2023欢迎关注，主页更多干活，持续输出中~

这同样是一篇弱监督实例分割论文，出自上一篇博文（弱监督实例分割 Box-supervised Instance Segmentation with Level Set Evolution 论文笔记）原班人马再加一位作者，核心思想都差不多，利用能量函数来执行弱监督。大部分相同的东西，论文也提到是将会议转期刊了。

这是一篇基于 Box 的弱监督实例分割文章，之前也分享过几篇（主页有，欢迎关注一下呗~），采用旧纸堆里面翻出来的能量函数来做弱监督。

忙的不是很彻底，继续看论文撸代码，找找灵感。这篇论文主要针对实例分割中的标签做了优化，列举了之前的 Polar Mask，LSNet，Deep snake 等方法的优缺点。提出自己的方法，确实很有新意。这篇文章写的也比较好，实验很是充分，是篇好文章。

Weakly Supervised Instance Segmentation using the Bounding Box Tightness Prior 论文笔记一、摘要二、引言三、相关工作3.1 Weakly supervised semantic segmentation3.2 Fully supervised instance segmentation.3.3 Weakly supervised instance segmentation四、方法4.1 Overview3.2 Proposed M