极市直播|第 53 期:陈昊-CVPR2020-BlendMask,高质高效的实例分割模型

技术直播 Admin ⋅ 于 7个月前 ⋅ 最后回复由 dzyjjpy 5个月前 ⋅ 1153 阅读

| 极市线上分享 第53期 |

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(本周二)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:2020年3月25日(周三)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

file

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 直播回放

B站回放链接:https://www.bilibili.com/video/BV1G7411D7j5/
腾讯视频回放链接:https://v.qq.com/x/page/r09428gmjpc.html
PPT与视频百度网盘链接:https://pan.baidu.com/s/1tQ3AmPwoq-9YyGPjvHyCHA
密码:提示:此内容登录后可查看

微信公众号: 极市平台(ID: extrememart )
每天推送最新CV干货

回复数量: 1
  • 请问此项工作blendmask近期有开源代码吗?

    5个月前
您需要登陆以后才能留下评论!