何恺明、陈鑫磊新研究：提出实例分割新方法，效果比肩Mask R-CNN

https://www.toutiao.com/a6674769574212141579/

何恺明大神的团队又有新研究了！

这一次，Facebook的陈鑫磊、何恺明等人，又从全新的角度，再次解决了实例分割任务中的难题：

他们提出一种通用的实例分割框架TensorMask，弥补了密集滑动窗口实例分割的短板。

在COCO数据集上进行测试实例分割结果可以发现，TensorMask的效果可以比肩Mask R-CNN。

这是种怎样的新方法？

4D张量

在论文TensorMask: A Foundation for Dense Object Segmentation中，研究人员详细介绍了通用框架TensorMask。

此前，实例分割的主流方法是Mask R-CNN。在这种方法中，模型先检测物体的边界框，然后进行裁剪和目标分割。

但是，密集滑动窗口的实例分割 (Dense Sliding-window Instance Segmentation)却鲜少被人关注。在这种方法中，每个空间位置的输出本身具有自己空间维度的几何结构，与Mask R-CNN有本质上的区别。

为了形式化说明这一方法，研究人员将密集实例分割看作是4D张量（4D tensors）上的预测任务，并提出通用框架TensorMask获取这种几何结构。

TensorMask的核心变化是，用结构化的高维张量表示一组密集滑动窗口中的图像内容。

TensorMask中包含两部分，一是预测蒙版的Head，负责在滑动窗口中生成蒙版，二是进行分类的Head，负责预测目标的类别。

两者分工明确，各司其职。

在COCO数据集上进行实例分割检测可以发现，TensorMask在test-dev上的平均精度达到了35.5，与Mask R-CNN的36.8非常接近。

结果证明，在定量和定性上，TensorMask均接近Mask R-CNN。

中国少年×2

这项新研究的背后，少不了中国研究人员的足迹。

论文一作是中国少年陈鑫磊，目前就职于Facebook，一路走来其研究经历闪闪发光。

陈鑫磊在浙江大学攻读计算机科学专业学习时，师从蔡登教授。本科毕业后奔赴CMU攻读博士，师从Abhinav Gupta教授，主要攻读计算机视觉方向。

在博士毕业前，陈鑫磊在Google Cloud AI部门实习过，当时在李飞飞和李佳两位大牛的项目组内。

在陈鑫磊的个人主页上可以看到，其参与过的多篇论文都被顶会接收。

三作何恺明大家应该不陌生，作为Mask R-CNN的主要提出者，何恺明三次斩获顶会最佳论文。

何恺明曾是广东高考状元，并保送了清华。本科毕业后，何恺明进入香港中文大学读研。期间继续在微软亚洲研究院参与研究，现也就职于Facebook。

论文的二作Ross Girshick和四作Piotr Dollar陈鑫磊和何恺明在Facebook的同事，顶会论文Mask R-CNN、Focal Loss for Dense Object Detection等，都是三人曾合作开展的研究。

有友如此，甚好甚好。

传送门

论文TensorMask: A Foundation for Dense Object Segmentation：

https://arxiv.org/abs/1903.12174

论文中表示，研究结果将于不久后开源~

值得期待。

— 完 —

何恺明、陈鑫磊新研究：提出实例分割新方法，效果比肩Mask R-CNN相关推荐

字节跳动实习生提出实例分割新方法：性能超过何恺明Mask R-CNN
乾明十三发自凹非寺量子位报道 | 公众号 QbitAI 框架更简单,但实现了比Mask R-CNN还好的性能. 这是字节跳动实习生提出的实例分割新方法,名为SOLO. 核心在于通过引入&qu ...
计算成本缩减100倍！港中文提出语义分割新方法：张量低秩重建｜ECCV2020
原文链接:https://bbs.cvmart.net/articles/3099 专注计算机视觉前沿资讯和技术干货微信公众号:极市平台官网:https://www.cvmart.net/ --- ...
谷歌简单粗暴“复制-粘贴”数据增广，刷新COCO目标检测与实例分割新高度
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达近日,谷歌.UC伯克利与康奈尔大学的研究人员公布了一篇论文 Sim ...
完美替代Mask RCNN！BlendMask：实例分割新标杆
点击我爱计算机视觉标星,更快获取CVML新技术今天新出的论文BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation,提出一种自顶向 ...
万众瞩目！YOLOv8诞生，要包揽目标检测、实例分割新SOTA！
来源机器之心编辑:小舟.陈萍 YOLOv8 抛弃了前几代模型的 Anchor-Base. YOLO 是一种基于图像全局信息进行预测的目标检测系统.自 2015 年 Joseph Redmon. ...
何恺明组又出神作！最新论文提出全景分割新方法
↑ 点击上方[计算机视觉联盟]关注我们来源:arXiv 作者:Alexander Kirillov et. al. 编辑:肖琴 Facebook人工智能实验室(FAIR)何恺明等人团队在arXiv发 ...
超越EfficientNet，GPU上加速5倍，何恺明组CVPR 2020论文提出新型网络设计范式
选自arXiv 作者:Ilija Radosavovic等机器之心编译机器之心编辑部近日,何恺明大神组又发了一篇新论文,提出了一种新的网络设计范式.与以往研究不同,他们没有专注于设计单个网络实例 ...
何恺明团队新作！深度学习网络架构新视角：通过相关图表达理解神经网络
标题&作者团队导语:恺明大神出品,必属精品.Facebook的研究员从一个新奇的角度对神经网络的表示与设计进行探索,提出了一种新颖的相关图表示方式.它有助于对现有网络架构进行更深层次的分析与 ...
【重磅】旷视提出MegDetV2：目标检测/实例分割新系统
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货编辑:Amusi 在COCO 2019/2020 挑战赛中获得最佳结果!该方案包含RPN++. ...

何恺明、陈鑫磊新研究：提出实例分割新方法，效果比肩Mask R-CNN

何恺明、陈鑫磊新研究：提出实例分割新方法，效果比肩Mask R-CNN相关推荐

最新文章

热门文章