论文笔记 Mask R-CNN

文章来源:ICCV 2017

下载链接:Paper Download


解决的问题:

(1) 在时间上对Faster R-CNN进行了优化,并且提高准确度,最关键的是在像素级别进行特征点定位,并达到了将各个对象的边缘确定的效果。

(2) 能够有效地检测图像中的目标,同时还能为每个实例生成一个高质量的分割掩码。


文章内容:

Mask R-CNN是一个小巧、灵活的通用对象实例分割框架。它在Faster R-CNN基础之上进行扩展,并行地在bounding box recognition分支上添加一个用于预测目标掩模的新分支。该网络还很容易扩展到其他任务中,比如关键点检测、实例分割。该文章主要包括以下三个创新点。

(1) 解决特征图与原始图像上的RoI不对准问题。由于RoIPool方法在量化过程中引入了RoI与提取的特征不对准问题,作者提出RoIAlign层来解决这个问题,并且将提取到的特征与输入对齐。避免了对RoI的边界或者块做任何量化。

(2) 将掩模预测和分类预测拆解。该框架对每个类别独立地预测一个二值掩模,没有引入类间竞争,每个二值掩模的类别依靠网络RoI分类分支给出的分类预测结果。

(3) 掩模表示。一个掩模编码了一个输入对象的空间布局。作者使用了一个FCN来对每个RoI预测一个掩模,这保留了空间结构信息。


论文笔记 Mask R-CNN_第1张图片
Figure 1. The MaskR-CNNframework for instance segmentation.

该结构主要包含两个分支:

(1) 第一个分支为原始Faster R-CNN的结构,它用于对候选窗口进行分类和窗口坐标回归。

(2) 第二个分支对每一个感兴趣区域预测分割掩模,它利用了一个小的全卷积网络结构。

另外,作者对ROI的损失函数进行了重新定义,公式如下所示:

公式(1)

对每个RoI的mask分支,其输出维度为Km*m。其中K表示对m*m的图像编码K个二分类mask,每一个mask有K个类别。所以需要应用单像素的sigmoid进行二分类,并定义Lmask为平均二分类cross-entropy loss。对于类别为k的RoI,Lmask定义在第k个掩膜(其他掩膜输出对loss没贡献)。


文章特点:

Mask R-CNN是一个小巧、灵活的通用对象实例分割框架(object instance segmentation)。它不仅可对图像中的目标进行检测,还可以对每一个目标给出一个高质量的分割结果。该框架在COCO的一些列挑战任务重都取得了最好的结果,包括实例分割(instance segmentation)、候选框目标检测(bounding-box object detection)和人关键点检测(person keypoint detection)。

(1) 由于目前已有许多设计良好,可用于Faster R-CNN的构架,因此,作为Faster R-CNN的扩展,Mask R-CNN在应用时也没有阻碍;

(2) 由于掩码层只给整个系统增加一小部分计算量,所以该方法运行起来非常高效;

(3) Mask R-CNN还可以很容易泛化到其它任务上。比如,可以在同一个框架中估计人物的动作。


存在的不足:

暂时没发现。


相关参考:Mask R-CNN个人理解、多位大神解读、《Mask R-CNN》-2017


内容说明:

上述内容仅个人的点滴粗见,如有不当之处,请同行批评指正。

你可能感兴趣的:(论文笔记 Mask R-CNN)