HTC算法解读

论文：Hybrid Task Cascade for Instance Segmentation
论文链接：https://arxiv.org/abs/1901.07518

代码链接：https://github.com/open-mmlab/mmdetection

创新点

本文主要有两个创新点：

1、设计了多任务多阶段的混合级连结构。

2、融入语义分割分支增强 spatial context。

网络结构

 

图1(a) 图中每一个 stage 和 Mask R-CNN 相似，都有一个 mask 分支 和 box 分支。当前 stage 会接受 RPN 或者 上一个 stage 回归过的框作为输入，然后预测新的框和 mask。

缺点：Cascade R-CNN 虽然强行在每一个 stage 里面塞下了两个分支，但是这两个分支之间在训练过程中没有任何交互，它们是并行执行的。

为解决1（a）中问题， Interleaved Execution，也即在每个 stage 里，先执行 box 分支，将回归过的框再交由 mask 分支来预测 mask，如上图1（b）所示。

缺点：不同 stage 之间的 mask 分支是没有任何直接的信息流的， Mi+1只和当前Bi通过 RoI Align 有关联而与Mi没有任何联系。

为解决1（b）中问题，作者在相邻的 stage 的 mask 分支之间增加一条连接，提供 mask 分支的信息流，让Mi+1能知道Mi的特征。如图1（c）所示。详细结构如图2所示，我们将Mi的特征经过一个 1x1 的卷积做 feature embedding，然后输入到Mi+1，这样Mi+1既能得到 backbone 的特征，也能得到上一个 stage 的特征。

为区分前景与背景，将语义分割引入到实例分割框架中，以获得更好的 spatial context。如图1（d）所示，S为语义分割头。详细设计如图3所示。FPN输出不同level的特征图resize到同一尺度并相加，经过一系列卷积，分别预测语义分割特征以及语义分割预测结果，语义分割特征通过RoIAlign及element-wise sum与box、mask特征进行融合。

损失函数 

损失函数如公式7所示，

表示t阶段mask预测损失函数，使用BCE；Lseg表示语义分割分支损失函数，使用CE。

实验结果

参考：https://zhuanlan.zhihu.com/p/57629509