Compared with MS-COCO, the dataset for the competition has a larger proportion of large objects which area is greater than 96x96 pixels. As getting fine boundaries is vitally important for large object segmentation, Mask R-CNN with PointRend is selected as the base segmentation framework to output high-quality object boundaries. Besides, a better engine that integrates ResNeSt, FPN and DCNv2, and a range of effective tricks that including multi-scale training and test time augmentation are applied to improve segmentation performance. Our best performance is an ensemble of four models (three PointRend-based models and SOLOv2), which won the 2nd place in IJCAI-PRICAI 3D AI Challenge 2020: Instance Segmentation.


翻译:与MS-COCO相比,竞争的数据集拥有较大比例的大型物体,其面积大于96x96 像素。由于获得细微的边界对于大型物体分离至关重要,因此将带有点Rn的Mask R-CNN和PointRend选为输出高质量物体界限的基础分解框架。此外,将ResNest、FPN和DCNv2相结合的更好的引擎,以及包括多尺度培训和测试时间增加在内的一系列有效技巧用于改善分解性能。我们的最佳性能是四种模型的组合(三个基于点Rend的模型和SOLOv2),这四个模型在IJCAI-PRICAI 3D AI 2020挑战:例分解中赢得第二位。

0
下载
关闭预览

相关内容

专知会员服务
82+阅读 · 2020年9月27日
【ACM MM2020】对偶注意力GAN语义图像合成
专知会员服务
35+阅读 · 2020年9月2日
【IJCAI2020南大】上下文在神经机器翻译中的充分利用
专知会员服务
15+阅读 · 2020年8月17日
专知会员服务
109+阅读 · 2020年3月12日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
小目标检测相关技巧总结
极市平台
28+阅读 · 2019年8月15日
BERT/Transformer/迁移学习NLP资源大列表
专知
19+阅读 · 2019年6月9日
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
【泡泡一分钟】高动态环境的语义单目SLAM
泡泡机器人SLAM
5+阅读 · 2019年3月27日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
2018机器学习开源资源盘点
专知
6+阅读 · 2019年2月2日
语义分割+视频分割开源代码集合
极市平台
35+阅读 · 2018年3月5日
Arxiv
0+阅读 · 2020年12月4日
Arxiv
0+阅读 · 2020年12月4日
VIP会员
相关资讯
Top
微信扫码咨询专知VIP会员