请选择 进入手机版 | 继续访问电脑版

易学智能

 找回密码
 立即注册

QQ登录

只需一步,快速开始

查看: 1696|回复: 0

性能超越何恺明Mask R-CNN!华科硕士生开源图像分割新方法

[复制链接]

81

主题

162

帖子

493

积分

推广大使

积分
493
发表于 2019-3-16 15:13:22 | 显示全部楼层 |阅读模式

这一次,亮出好成绩的实习生地平线,是一名华中科技大学的硕士生。

  他作为第一完成的研究Mask Scoring R-CNN,在COCO图像实例分割任务上超越了何恺明的Mask R-CNN,拿下了计算机视觉顶会CPR 2019的口头报告。

  也就是说,它从5000多篇投稿中脱颖而出,成为最顶尖的5.6%。

  无论搭配的基干怎么变,表现一直稳定,总是比Mask R-CNN好一点。

  可谓青出于蓝而胜于蓝。

  并且,他们的算法已经开源了(传送门在文末)。

给蒙版打分

  Mask R-CNN,一种简洁、灵活的实例分割框架,大神何恺明的“拿手作”之一。自2017年一出场就惊艳了四方研究者,何恺明也借此一举拿下ICC 2017最佳论文奖

新鲜出炉的Mask Scoring R-CNN,性能是怎样超越前辈的呢?

  关键就在名字里的“打分”(Scoring)。这篇论文中,研究人员提出了一种给算法的“实例分割假设”打分的新方法。这个分数打得是否准确,就会影响实例分割模型的性能。

  而Mask R-CNN等前辈,用的打分方法就不太合适。

  这些模型在实例分割任务里,虽然输出结果是一个蒙版,但打分却是和边界框目标检测共享的,都是针对目标区域分类置信度算出来的分数。

  这个分数,和图像分割蒙版的质量可未必一致,用来评价蒙版的质量,可能就会出偏差。
11.jpg
22.jpg

于是,这篇CPR 2019论文就提出了一种新的打分方法:给蒙版打分,他们称之为蒙版得分(mask score)。

Mask Scoring R-CNN中提出的计分方式很简单:不仅仅直接依靠检测得到的分类算分,而且还让模型单独学一个针对蒙版的得分规则:MaskIoU head。

  MaskIoU head是在经典评估指标AP(平均正确率)启发下得到的,会拿预测蒙版与物体特征进行对比。MaskIoU head同时接收蒙版head的输出与ROI的特征(Region of Interest)作为输入,用一种简单的回归损失进行训练。
33.jpg

最后,同时考虑分类得分与蒙版的质量得分,就可以去评估算法质量了。

  评测方法公平公正,实例分割模型性能自然也上去了。

44.jpg

  实验证明,在挑战COCO benchmark时,在用MS R-CNN的蒙版得分评估时,在不同基干网路上,AP始终提升近1.5%。
55.jpg
66.jpg

如果你对这项研究感兴趣,请收好传送门:

  Mask Scoring R-CNN论文:

  https://arxi.org/abs/1903.00241

  GitHub地址:https://github.com/zjhuang22/maskscoring_rcnn

  Mask R-CNN的其他优化思路

  在此之前,也有人提出了优化Mask R-CNN的思路。

  比如,香港中文大学、北京大学、商汤科技、腾讯优图在CPR 2018发表的一篇论文,提出了一个名为PANet的实例分割框架。

  优化了Mask R-CNN中的信息传播,通过加速信息流、整合不同层级的特征,提高了生成预测蒙版的质量。

  在未经大批量训练的情况下,就拿下了COCO 2017挑战赛实例分割任务的冠军。

论文地址:

  Path Aggregation Network for Instance Segmentationhttps://arxi.org/abs/1803.01534

  代码地址:https://github.com/ShuLiu1993/PANet


回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|小黑屋|易学智能

GMT+8, 2024-3-28 19:57 , Processed in 0.014500 second(s), 23 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表