CVPR2019 | 超越Mask R-CNN!华科开源图像实例分割新方法MS R-CNN
安妮 乾明 发自 凹非寺 本文转载自量子位(QbitAI) 实习生又立功了! 这一次,亮出好成绩的实习生来自地平线,是一名华中科技大学的硕士生。 他作为第一作者完成的研究Mask Scoring R-CNN,在 COCO图像实例分割任务上超越了何恺明的Mask R-CN N ,拿下了计算机视觉顶会CVPR 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ICCV 2017最佳论文奖。 △ 何恺明 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