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!
Segmentation简记3-UPSNet: A Unified Panoptic Segmentation Network
- 创新点
- 总结
- 实验
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!