论文速递 | 实例分割算法BlendMask，实时又state-of-the-art
BlendMask通过更合理的blender模块融合top-level和low-level的语义信息来提取更准确的实例分割特征，该模型效果达到state-of-the-art，但结构十分精简，推理速度也不慢，精度最高能到41.3AP，实时版本BlendMask-RT性能和速度分别为34.2mAP和25FPS，并且论文的优化方法很有学习的价值，值得一读 论文:BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation 论文地址： http://arxiv.org/abs/2001.00309 Introduction 密集实例分割模型早期主要有两种，top-down apporach和bottom-up apporach top-down apporach top-down模型先通过一些方法获取box区域，然后对区域内的像素进行mask提取，这种模型一般有以下几个问题： 特征和mask之间的局部一致性会丢失，论文讨论的是Deep-Mask，用fc来提出mask 冗余的特征提取，不同的bbox会重新提取一次mask 由于使用了缩小特征图的卷积，位置信息会损失 bottom-up apporach bottom-up模型先对整图进行逐像素预测(per-pixel prediction)，每个像素生成一个特征向量