获取完整原文和代码，公众号回复：09020443066
论文地址： http://arxiv.org/pdf/2003.05664v4.pdf
代码： 公众号回复：09020443066
来源： 阿德莱德大学
论文名称：Conditional Convolutions for Instance Segmentation
原文作者：Zhi Tian
内容提要
本文提出了一个简单而有效的实例分割框架，称为CondInst(条件卷积的实例分割)。最优秀的实例分割方法，如Mask R-CNN，依靠ROI操作(通常是ROIPool或ROIAlign)来获得最终的实例掩码。相反，本文提出从一个新的角度来解决实例分割问题。本文不使用实例化的ROIs作为固定权重网络的输入，而是使用以实例为条件的动态实例感知网络。CondInst有两个优点：（1）实例分割采用全卷积网络解决，不需要裁剪ROI和特征对齐。（2）由于动态生成的条件卷积的能力大大提高，因此mask head可以非常紧凑（例如，3个卷积层，每个层只有8个通道），从而显著提高了推理的速度。我们演示了一种更简单的实例分割方法，可以在准确性和推理速度方面实现改进的性能。在COCO数据集上进行实验分析，我们优于当前最新的一些方法，包括经过微调的Mask RCNN基线，而无需更长的训练时间。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。
