完美替代Mask RCNN！BlendMask：实例分割新标杆
点击上方“计算机视觉life”，选择“星标”
快速获得第一手干货
今天新出的论文BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation，提出一种自顶向下和自底向上设计策略相结合的实例分割算法BlendMask，在精度上超越了Mask RCNN，速度上快20%，可谓完美替代Mask RCNN的实例分割新标杆！
该文作者信息：
作者团队来自阿德莱德大学、东南大学和华为诺亚方舟实验室。
BlendMask算法思想结果示例：
上图展示了Blend过程，BlendMask分支得到的Bases和检测分支得到的attns注意力结果，一一对应按元素相乘再相加合成，得到最终的实例分割结果。
网络架构
作者是在SOTA 目标检测算法FCOS基础上改进得到BlendMask，下图橙色部分为实例分割的检测分支，绿色部分为使用FPN特征预测的一组bases。
检测分支得到目标包围框和attns注意力区块，其和Bottom 模块的结果Bases 经Blender模块blend成最终的分割结果。
下图为Bases 和 attentions 结果示意图：
实验结果
作者将BlendMask 与其他SOTA实例分割算法在COCO test-dev数据集上进行了比较：
BlendMask 在速度最快的的同时精度最高！
下图为一些分割结果示例：
该文提出的方法分割结果更加精确细致。
详细信息请查看原论文。
论文地址：
https://arxiv.org/pdf/2001.00309.pdf
期待作者早日开源代码～
交流群
欢迎加入公众号读者群一起和同行交流，目前覆盖SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、Re-id、强化学习、模型压缩剪枝、医学影像、GAN、算法竞赛等微信群，请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
投稿、合作也欢迎联系：simiter@126.com
长按关注计算机视觉life
推荐阅读
最新AI干货，我在看
相关内容
微信扫码咨询专知VIP会员