PointRend

本文主要是介绍PointRend，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！

论文题目：PointRend: Image Segmentation as Rendering
论文链接：https://arxiv.org/pdf/1912.08193.pdf
代码地址：https://github.com/zsef123/PointRend-PyTorch

---

        语义分割问题。提出一个新型上采样方法，针对物体边缘的图像分割进行优化，使其在难以分割的物体边缘部分有更好的表现。

---

问题提出

        我们分割网络会存在一个问题，对平滑区域过采样，对边界欠采样。
        类比渲染问题，二者有类似的问题要解决：即物体边缘难以处理。高频区域多采样、低频区域少采样
        在典型的语义分割网络中（如FCN、DeepLab），在CNN内部一般都会相对输入图像进行降采样，然后再想办法上采样回去。实例分割网络中，Mask R-CNN 生成的 Mask 仅 28x28，这显然对物体边缘的预测十分不利。希望可以在低代价下仍然得到精细的分割结果。

---

大致思路

        模型最容易误判的 pixel基本上都在物体边缘， 边缘只占了整个物体中非常小的一部分。
        所以基于这样的一个想法，作者提出可以每次在预测出来的mask中只选择Top N最不确定的位置进行细分预测。

---

具体实现

        PointR

这篇关于PointRend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！

---