---

  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