论文地址:https://arxiv.org/pdf/1912.04488.pdf
代码:https://github.com/qiuhuan/SOLO
实例分割主要有两大类方法:
与Mask R-CNN这类实例分割相比,SOLO不必检测目标框,可直接得到实例的像素分割结果。若不能简单地用矩形框标记目标,那么采用Mask R-CNN这类先检测矩形框,再分割目标的方法,显然是不合适的。此时,SOLO不失为一种可尝试的方案。
SOLO思想:
Loss Function
但是,SOLO在预测实例掩码时,有S*S个分割图,而其中有很多是冗余的(并不是每个格子都有目标,那么必然有的分割图是无用的,多余的)。为节省资源,作者将分割图分解为X方向的分割图和Y方向的分割图,叫Decoupled head。如下图所示。
对于最终的实例分割mask,为Y-branch与X-branch掩码对应位置相乘后的结果。假如格子坐标为(i,j),那么,最终的Mask为Y-branch上第i个掩码与X-branch上第j个掩码对应位置相乘的结果。
Decoupled head在节省计算资源的同时,精度并未降低。
实验