欢迎访问法甲下注_法甲竞猜_法甲联赛下注-官网有限公司官网 !

法甲下注_法甲竞猜_法甲联赛下注-官网

联系我们

全国咨询热线:0755-33506161

公司名称:深圳市法甲下注有限公司
电话:0755-33506161
传真:0755-33605535
手机:13922830701
地址:深圳市宝安区松岗镇广田路天恒石材市场8号厂房

[法甲联赛下注]字节跳动实习生提出实例分割新方

文章来源:http://www.cityml.com 发表时间:2020-04-21 作者:[db:作者]

法甲联赛下注是24小时提供时政新闻,国内新闻,国际新闻,生活新闻,时事热点,新闻图片,军事,历史,生活,的专业时事报道门户网站。

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“实例类别”的概念,把实例分割问题转化为分类问题。

与Mask R-CNN相比,架构更加简单,是一种单阶段实例分割的方法:

但在性能上却强得多。

COCO数据集上的实验结果显示,SOLO的效果普遍超过此前的单阶段实例分割主流方法,在一些指标上还超过了增强版的Mask R-CNN。

这一论文发布之后,也引起了业内人士的关注,并赢得了不少点赞。

有人评价称:“这是一篇非常好的工作,不仅实现了single stage,精度也非常高……这些position variance的特性,一定会在物体检测与实体分割带来新的突破。本文则是一个非常好的尝试。”

也有人评价称:“我接触到的(我接触到的可能并不多)真正意义上的效果比较不错的实例分割单阶段方法。”

总之,新颖简洁的框架,称得上突破性的工作。他们具体如何实现的?我们下面一一解读。

突破在哪?

以往的实例分割方法主要分为两种,即自上而下和自下而上的范例。

但是这两种方法,要么严重依赖精确的边界框检测,要么依赖每个像素的嵌入学习和分组处理。

那么,是否存在一种方法,可以绕过这些条条框框来做实例分割呢?

这项研究其实是类比了语义分割的方法。

语义分割就是一个逐像素的语义类别分类任务。

那么实例分割就可以类比为, 逐像素的实例类别分类。

也就是预测每个像素所在的物体的实例类别。

而在图片中,物体的 位置和 形状就是用来区分实例的属性。

因此,根据量化中心位置和对象大小,就可以 简单粗暴的做实例分割。

方法故取名为SOLO: Segmenting Objects by Locations。

先来看下SOLO的惊人效果。

SOLO使用随机梯度下降(SGD)进行训练,在8个GPU上使用同步的SGD,每个小批(mini-batch)处理总共有16张图片(每个GPU 2张)。

实验所采用的是COCO数据集。