Segmentation简记3-UPSNet: A Unified Panoptic Segmentation Network

本文主要是介绍Segmentation简记3-UPSNet: A Unified Panoptic Segmentation Network，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

创新点

1.统一的全景分割网络

总结

uber的作品
网络结构如下：
还是比较简洁的。
Backbone 采用了原始mask rcnn。
Instance Segmentation Head 使用了最大的特征图，包括bbox回归，分类和分割mask。
Semantic Segmentation Head 使用了特征图金字塔，其中的卷积类型是形变卷积。网络结构如下，很明了。
论文作者的经验：As will be experimentally verified later, the deformable convolution along with the multi-scale feature concatenation provide semantic segmentation results as good as a separate model, e.g., a PSPNet adopted in [17]. 形变卷积好。
语义分割时，论文作者使用了cross entropy loss和ROI loss。ROI loss是 instance 的cross entropy loss，本质还是交叉熵。
Panoptic Segmentation Head：比较复杂。。。。

实验细节就不细说了。没有开源，不开心。。。

实验

效果好，速度快
论文作者的方向是：
In the future, we would like to explore more powerful backbone networks and smarter parameterization of panoptic head.

这篇关于Segmentation简记3-UPSNet: A Unified Panoptic Segmentation Network的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---