极市直播| (CVPR2020 Oral) 陈昊:超越Mask RCNN的BlendMask,实例分割新标杆
| 极市线上分享 第53期 |
一直以来,为让大家更好地了解学界业界优秀的论文和工作,极市已邀请了超过50位技术大咖嘉宾,并完成了52期极市线上直播分享,往期分享请前往bbs.cvmart.net/topics/149 或直接阅读原文,也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享,与大家一起交流学习~~
研究实例分割的朋友很可能都听说过今年1月新出的实例分割模型BlendMask。目前,这份优秀的工作已经中了本次CVPR2020的Oral。本次分享,极市重磅邀请BlendMask的论文作者:来自澳大利亚阿德莱德大学的陈昊博士。陈博将在3月24日(下周二)为我们分享其发表于CVPR2020的工作:BlendMask:高质高效的实例分割模型
BlendMask提出了一种结合自上向下和自下向上两种设计策略的实例分割算法,在精度上超越了Mask RCNN,速度上快20%,是一个高质高效的实例分割模型:在COCO数据集上,使用ResNet-50,BlendMask的性能达到37.0%的mAP,使用ResNet-101的性能达到38.4%的mAP,在准确性上优于Mask R-CNN,速度提高了约20%。值得一提的是,从单1080Ti GPU上评估,BlendMask-RT在25 FPS上实时可达34.2%的mAP成为全卷积实例分割的新记录,超过TensorMask 1.1点mAP,而仅需要一半的训练迭代和1/5的推理时间。据悉,BlendMask可能是第一个在mAP和推理效率方面均能胜过Mask R-CNN的算法。
BlendMask 与其他SOTA实例分割算法在COCO test-dev数据集上的比较
早在今年1月,极市就分享了这个优秀工作:SOTA实例分割算法BlendMask,超越mask-rcnn,不熟悉这个工作的小伙伴可以先读一遍这篇文章。当然,更进一步的解读可以等待陈博在下周二为我们详细讲解。
01
活动信息
时间:3月24日(周二)20:00~21:00
主题
BlendMask:高质高效的实例分割模型(CVPR2020)
BlendMask:High Quality and Efficiency Instance Segmentation Model
02
嘉宾信息
陈昊
陈昊,澳大利亚阿德莱德大学博士生,本科和硕士毕业于浙江大学,CVPR2020论文作者,指导老师为沈春华教授。研究方向为计算机视觉,包括实例检测分割、网络结构搜索和文字检测识别等,近期工作有:Fast NAS、BlendMask以及AdelaiDet。
更多信息可见陈博个人主页:
https://stan-haochen.github.io
03
关于分享
➤分享背景
Mask R-CNN作为二阶段实例分割领域的标杆工作,具有众多优点并长期被广泛使用。其在COCO数据集上的精度也难以被其他框架超越。但随着更高质量的数据集(OpenImage, LVIS)的诞生和实时系统需求的增强,第二阶段子网络分辨率低计算开销大的问题将成为RCNN系方法的障碍。本次分享将主要介绍实例分割框架上的探索工作:
BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation(CVPR2020)
本工作将几个基于检测结果的实例分割方法(RCNN/FCIS/YOLACT)推广到了一个统一的框架下,并借此设计了一个灵活高效的实例分割算法,BlendMask。BlendMask具有输出精细度高、速度快且稳定、集成方便等优点。在COCO、LVIS等数据集均有较好的标现,且可以自然应用于关键点检测、全景分割等任务。
论文地址:
https://arxiv.org/abs/2001.00309
➤分享大纲
1. 实例分割问题的定义和现状简介
2. 二阶段方案的特点与局限
3. 设计动机与相关工作
4. 我们的方法
5. 实验分析
04
参与方式
关注“极市平台”公众号,回复“53”或“陈昊”即可获取免费直播链接。
05
往期回顾
极市致力于打造最专业的的视觉算法开发与分发平台,特邀请行业内专业牛人嘉宾为大家分享视觉领域内的干货及经验,目前已成功举办52期线上分享。近期在线分享可点击以下标题查看:
邓富城&邱丹| 极市平台在线训练&英特尔®OpenVINO™加速深度学习推理
徐晨丰|ICCV2019-人群密度分析与计数(CV101榜单双料冠军方案)
李夏|ICCV2019:语义分割中的自注意力机制和低秩重建
朱政|基于孪生网络结构的SiamRPN系列目标跟踪算法
邓健康|CVPR2019:ArcFace 构建高效的人脸识别系统
张志鹏|CVPR2019:基于siamese网络的单目标跟踪
诸宸辰|CVPR2019:基于Anchor-free特征选择模块的单阶目标检测
王鑫龙|CVPR2019:联合分割点云中的实例和语义
张钊宁|算力限制下的目标检测实战及思考
小美&张德兵|分布式人脸识别及工业运用经验
高继扬|时序动作检测
孙书洋|CVPR 2018论文详解:光流导向特征在视频动作识别中的应用
邬书哲|基于卷积神经网络的鲁棒人脸检测
王蒙蒙|基于计算机视觉的目标跟踪算法概览
……
更多往期分享请浏览:极市计算机视觉技术分享集锦(http://bbs.cvmart.net/topics/149/cvshare),也可以点击阅读原文获取。
在"极市平台"公众号后台回复期数或者分享嘉宾名字,即可获取极市平台对应期在线分享资料。
06
关于极市平台
极市平台(Extreme Mart)是深圳极视角旗下的专业的视觉算法开发与分发平台,通过为开发者提供免费算法分发,真实行业需求和丰富场景性数据等,与开发者一起搭建视觉算法市场的App Store。
有任何问题请在本帖下留言,嘉宾会在直播中回答大家的问题~