新智元推荐
来源：我爱计算机视觉
作者：CV君
整理编辑：元子
【新智元导读】新论文BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation，提出一种自顶向下和自底向上设计策略相结合的实例分割算法BlendMask，在精度上超越了Mask RCNN，速度上快20%，可谓完美替代Mask RCNN的实例分割新标杆！戳右边链接上新智元小程序 了解更多！
新论文BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation，提出一种自顶向下和自底向上设计策略相结合的实例分割算法BlendMask，在精度上超越了Mask RCNN，速度上快20%，可谓完美替代Mask RCNN的实例分割新标杆！
该文作者信息：
作者团队来自阿德莱德大学、东南大学和华为诺亚方舟实验室。
BlendMask算法思想结果示例：
上图展示了Blend过程，BlendMask分支得到的bases和检测分支得到的attns注意力结果，一一对应按元素相乘再相加合成，得到最终的实例分割结果。
网络架构
作者是在SOTA 目标检测算法FCOS基础上改进得到BlendMask，下图橙色部分为实例分割的检测分支，绿色部分为使用FPN特征预测的一组bases。
检测分支得到目标包围框和attns注意力区块，其和Bottom 模块的结果bases 经Blender模块blend成最终的分割结果。
下图为bases 和 attentions 结果示意图：
实验结果
作者将BlendMask 与其他SOTA实例分割算法在COCO test-dev数据集上进行了比较：
BlendMask 在速度最快的的同时精度最高！
下图为一些分割结果示例：
该文提出的方法分割结果更加精确细致。
详细信息请查看原论文。
论文地址：
https://arxiv.org/pdf/2001.00309.pdf
期待作者早日开源代码～
本文授权转载自公众号：我爱计算机视觉，作者CV君
