新智元推薦

來源：我愛計算機視覺

作者：CV君

整理編輯：元子

【新智元導讀】新論文BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation，提出一種自頂向下和自底向上設計策略相結合的實例分割算法BlendMask，在精度上超越了Mask RCNN，速度上快20%，可謂完美替代Mask RCNN的實例分割新標桿！戳右邊鏈接上新智元小程序 了解更多！

新論文BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation，提出一種自頂向下和自底向上設計策略相結合的實例分割算法BlendMask，在精度上超越了Mask RCNN，速度上快20%，可謂完美替代Mask RCNN的實例分割新標桿！

該文作者信息：

作者團隊來自阿德萊德大學、東南大學和華為諾亞方舟實驗室。

BlendMask算法思想結果示例：

上圖展示了Blend過程，BlendMask分支得到的bases和檢測分支得到的attns注意力結果，一一對應按元素相乘再相加合成，得到最終的實例分割結果。

網絡架構

作者是在SOTA 目標檢測算法FCOS基礎上改進得到BlendMask，下圖橙色部分為實例分割的檢測分支，綠色部分為使用FPN特征預測的一組bases。

檢測分支得到目標包圍框和attns注意力區塊，其和Bottom 模塊的結果bases 經Blender模塊blend成最終的分割結果。

下圖為bases 和 attentions 結果示意圖：

實驗結果

作者將BlendMask 與其他SOTA實例分割算法在COCO test-dev數據集上進行了比較：

BlendMask 在速度最快的的同時精度最高！

下圖為一些分割結果示例：

該文提出的方法分割結果更加精確細致。

詳細信息請查看原論文。

論文地址：

https://arxiv.org/pdf/2001.00309.pdf

期待作者早日開源代碼～

本文授權轉載自公眾號：我愛計算機視覺，作者CV君