论文阅读：SOLOv2: Dynamic, Faster and Stronger

本文主要是介绍论文阅读：SOLOv2: Dynamic, Faster and Stronger，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！

概要

Motivation

整体架构流程

技术细节

小结

论文地址：[2003.10152] SOLOv2: Dynamic and Fast Instance Segmentation (arxiv.org)

代码地址：GitHub - WXinlong/SOLO: SOLO and SOLOv2 for instance segmentation, ECCV 2020 & NeurIPS 2020.

概要

SOLO v2遵循了SOLO的优雅、简单的设计，并且针对mask的检测效果和运行效率做了两个改进：（1）mask learning：能够更好地学习到mask（2）mask NMS：提出了matrix nms，大大减少了前向推理的时间。最终，SOLOv2相比SOLOv1，AP提升1.9%的同时速度快了33%，light-weight 版本的SOLVv2能够在COCO上达到31.3FPS，37.1%AP。除此之外，SOLO v2还在目标检测和全景分割任务中表现上佳，证实了SOLO的思路有用在更多视觉任务的潜力。

Motivation

使用边界框定位对象已经被广泛探索，包括问题表述、网络架构、后处理以及所有专注于优化和处理边界框的内容。边界框是粗糙且不自然的。
如何开发纯实例分割（包括后处理等支持设施）在很大程度上尚未被探索。

整体架构流程

SOLO的核心思想是：将分割问题转化为位置分类问题，从而做到不需要anchor，不需要normalization，不需要bounding box detections的实例分割。具体做法是：将图片划分成S×S的网格，如果物体的中心（质心）落在了某个网格中，那么该网格就有了两个任务：（1）Category Branch 负责预测该物体语义类别（2）Mask Branch 负责预测该物体的instance mask。这就对应了网络的两个分支。同时，SOLO在骨干网络后面使用了FPN，用来应对尺寸。FPN的每一层后都接上述两个并行的分支，进行类别和位置的预测，每个分支的网格数目也相应不同，小的实例对应更多的的网格。

Category Branch负责预测物体的语义类别，每个网格预测类别S×S×C，这部分跟YOLO是类似的。

重点看一下Mask Branch，每个正样本（有类别输出的网格）都会输出对应类别的instance mask，这里的通道channel和网格的对应关系是：第k个通道负责预测出第（i，j）个网格的instance mask，k = i*S+j。因此输出维度是H×W×(S^2) 。这样的话就有了一一对应的语义类别和class-agnostic的instance mask。

技术细节

Dynamic Instance Segmentation

继承了 SOLOv1 的大部分设置，例如网格单元、多级预测、CoordConv和损失函数。在此基础上，我们引入了动态方案，其中原始掩模分支被解耦为掩模核分支和掩模特征分支，分别用于预测卷积核和卷积特征。

Matrix NMS

Matrix NMS 受到Soft NMS启发。Soft NMS 会根据重叠度来降低其它检测的得分，将其作为重叠度的单调递减函数f ( i o u ) f(iou)f(iou)。根据IoU的值，递归地降低得分，可用一个极低的分数阈值来去除较高的IoU检测。但是，这个流程是串行的，与Greedy NMS类似，无法并行实现。

MatrixNMS 在准确性和速度方面都是传统 NMS 的卓越替代品，并且可以轻松集成到最先进的检测/分割系统中。