実時間インスタンスセグメンテーションのためのスパースインスタンス活性化【JST・京大機械翻訳】

Cheng Tianheng; Wang Xinggang; Chen Shaoyu; Zhang Wenqiang; Zhang Qian; Huang Chang; Zhang Zhaoxiang; Liu Wenyu

プレプリント

J-GLOBAL ID：202202207384503274 整理番号：22P0309477

実時間インスタンスセグメンテーションのためのスパースインスタンス活性化【JST・京大機械翻訳】

Sparse Instance Activation for Real-Time Instance Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月23日プレプリントサーバーでの情報更新日： 2022年03月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,実時間インスタンスセグメンテーションのための概念的に新しく,効率的で,完全畳込みフレームワークを提案した。以前に,ほとんどのインスタンスセグメンテーション法は,オブジェクト検出に大きく依存し,結合ボックスまたは高密度中心に基づくマスク予測を行う。対照的に,新しいオブジェクト表現としてインスタンス活性化マップのスパース集合を提案し,各前景オブジェクトに対する情報領域を強調する。次に,認識とセグメンテーションのために強調された領域に従って特徴集合によってインスタンスレベル特徴を得る。さらに,二部マッチングに基づいて,インスタンス活性化マップは1対1スタイルのオブジェクトを予測でき,後処理における非最大抑制(NMS)を避けることができる。実例活性化マップによる単純だが効果的な設計のために,SparseInstは,非常に速い推論速度を持ち,COCOベンチマーク上で40FPSと37.9APを達成し,それは,速度と精度に関して,相当性能を著しく上回った。コードとモデルはhttps://github.com/hustvl/SparseInstで利用可能である。【JST・京大機械翻訳】

, , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , ,

前のページに戻る