[CVPR 2020] CenterMask: 实时无锚实例分割
我们提出了一种简单而高效的无锚实例分割方法，称为CenterMask，该方法向无锚的单阶段目标检测器（FCOS）添加了一种新的空间注意力引导的掩码（SAG-Mask）分支，与Mask R-CNN 类似。将 SAG-Mask 分支插入 FCOS 目标检测器后，它会在每个框上预测一个分割掩码，并使用空间注意力图来帮助聚焦有用的像素并抑制噪声。我们还提出了一种改进的 VoVNetV2 后端网络，采用了两种有效策略：(1) 余弦连接，用于缓解较大的 VoVNet 的饱和问题，(2) 有效的压缩激励（eSE），解决原始 SE 的信息损失问题。借助 SAG-Mask 和 VoVNetV2，我们设计了 CenterMask 和 CenterMask-Lite，分别针对大型和小型模型。CenterMask 在更快的速度下优于所有先前的先进模型。CenterMask-Lite 在 Titan Xp 上以超过 35 fps 的速度实现了 33.4% 的掩码 AP/38.0% 的框 AP，分别比 YOLACT 多获得 2.6/7.0 的 AP 优势。我们希望 CenterMask 和 VoVNetV2 分别能够作为实时实例分割和各种视觉任务的后端网络的可靠基准。
暂无开放 Issues，或尚未同步最近议题。