论文提出基于轮廓的实例分割方法Deep snake，轮廓调整是个很不错的方向，引入循环卷积，不仅提升了性能还减少了计算量，保持了实时性，但是Deep snake的大体结构不够优雅，应该还有一些工作可以补，推荐大家阅读

来源：晓飞的算法工程笔记公众号

论文: Deep Snake for Real-Time Instance Segmentation

Introduction

实例分割是许多计算机视觉任务中的重要手段，目前大多数的算法都采用在给定的bbox中进行pixel-wise分割的方法。受snake算法和Curve-GCN的启发，论文采用基于轮廓的逐步调整策略，提出了Deep snake算法进行实时实例分割，该算法将初始轮廓逐渐优化为目标的边界，如图1所示，达到很好的性能且依然保持很高的实时性(32.3fps)。
论文的主要贡献如下：

提出基于学习的snake算法用于实时实例分割，对初始轮廓调整至目标边界，并且引入循环卷积(circular convolution)进行轮廓特征的学习。
提出two-stage流程进行实例分割，先初始化轮廓再调整轮廓，两个步骤均可以用于修正初始定位的误差。
Deep snake能在多个实例分割数据集上达到SOTA，对于512的图片输入能达到32.3fps。

Proposed approach

Deep snake方法将初始轮廓逐渐优化为目标的边界来进行目标分割，即将物体轮廓作为输入，基于CNN主干特征预测每个顶点的偏移量。为了充分利用轮廓拓扑结构，论文使用循环卷积(circular convolution)进行顶点特征的学习，有助于学习轮廓的优化，并基于deep snake提出了一套实时实例分割的流程。

Learning-based snake algorithm

传统的snake算法将顶点的坐标作为变量来优化人工设计的能量函数(energy function)，通过最小化能量函数来拟合目标边界。由于能量函数通常是非凸的，而且需要基于低维图像特征进行人工设计，通常会陷于局部最优解。
而deep snake则是直接从数据学习如何微调轮廓，对于$N$个顶点${ x_i | i=1, ..., N}$，首先构造每个顶点的特征向量，顶点$x_i$的特征$f_i$为对应的网络特征和顶点坐标的concate$[F(x_i);x_i^{{'}]$，其中$F$为主干网络输出的特征图，$F(x_i)$为顶点$x_i$处的双线性差值输出，附加的$x_i}{'}$用于描述顶点间的位置关系，$x_i^{'}$是平移不变的，由每个顶点坐标减去轮廓中所有顶点的最小$x$和$y$得到相对坐标。

在获得顶点特征后，需要对轮廓特征进一步学习，顶点的特征可以视作1-D离散信号$f:\mathbb{Z}\to \mathbb{R}^D$，然后使用标准卷积对顶点逐个进行处理，但这样会破坏轮廓的拓扑结构。因此，将顶点特征定义为公式1的周期信号，然后使用公式2的循环卷积进行特征学习，$k:[-r,r]\to \mathbb{R}^D$为可学习的卷积核，$*$为标准卷积操作。

循环卷积操作如图2所示，与标准的卷积操作类似，可以很简单地集成到目前的网络中。在特征学习后，对每个顶点使用3个$1\times 1$卷积层进行偏移的输出，实验中循环卷积的核大小固定为9。

图a展示了deep snake的细节结构，输入为初始轮廓，主干包含8个"CirConv-Bn-ReLU"层，每层都使用残差连接，Fusion block用于融合主干网络中的多尺度轮廓特征，Prediction head使用3个$1\times 1$卷积输出每个顶点的偏移。

Deep snake for instance segmentation

将deep snake加入到目标检测模型中进行实例分割，流程如图b所示。模型首先产生目标框，将其构建成菱形框，然后使用deep snake算法将菱形顶点调整为目标极点，构造八边形轮廓，最后进行迭代式deep snake轮廓调整得到目标形状

Initial contour proposal

论文采用ExtreNet的极点思想，能够很好地包围物体。在得到矩形框后，获取4条边的中心点${x_i^{bb} | i=1,2,3,4 }$连成菱形轮廓，使用deep snake对菱形轮廓调整成极点${x_i^{ex} | i=1,2,3,4 }$，然后每个极点放置一条边，连接边构造多边形，每个极点的边为其对应的bbox边的$1/4$，若边超过原bbox范围会被截断。在实际使用时，菱形轮廓输入deep snake前会平均上采样到40个点(有助于deep snake计算)，但损失函数计算只考虑$x_i^{bb}$的对应偏移

Contour deformation

对八边形平均采样$N$个点，将上极点$x_1^{{ex}$作为起点，同样地，GT轮廓对物体边缘平均采样$N$个点，将靠近$x_1}{ex}$的点作为起点，$N$一般为128。如果顶点离GT很远，很难直接正确调整，于是采用迭代式地进行deep snake调整，实验采用的迭代次数为3次。
轮廓是目标空间位置的一种扩展表示方法，通过调整轮廓到物体边缘能够帮助解决detector的定位误差

Handling multi-component objects

由于遮挡，一个实例可能包含多个组件，然而一个轮廓只能勾勒出bbox内的一个组件。为了解决这个问题，使用RoIAlign来提取初始bbox特征，然后配合detector来检测组件的box，再对每个box进行上述的轮廓调整，最后结合初始bbox内相同类别的组件输出最终的物体形状。

Implementation details

Training strategy

极点的损失函数如公式3，$\tilde{x}_i^{ex}$为预测的极点。

迭代轮廓调整的损失函数如公式4，$\tilde{x}_i$为调整后的顶点，$x_i^{gt}$为对应的GT边缘点。对于检测部分，则采用跟原检测函数一样的损失函数。

Detector

使用CenterNet作为检测器，对于物体检测，使用跟原来一样的设定输出类别相关的box，而对于组件检测，则使用类不可知的CenterNet，对于$H\times W\times C$的特征图，输出$H\times W\times 1$的中心点heatmap和$H\times W\times 2$的box大小特征图。