Deep Snake: CVPR 2020 paper review

实时实例分割的Deep Snake：CVPR2020论文点评

Deep Snake for Real-Time Instance Segmentation

论文链接：https://arxiv.org/pdf/2001.01629.pdf

摘要

该文提出了一种基于轮廓的深度snake架构用于实例的实时分割。与现有直接从图像中预测边界点坐标的诸多方法不同，DeepSnake通过迭代优化初始轮廓使其趋近于物体边界这一架构通过深度学习的方式重构了经典Snake算法的核心思想。为适应复杂形状特征的学习需求，在DeepSnake框架中引入了循环卷积设计，在其基础之上构建了一个包含两步流程的新分割体系：初始轮廓建议模块与迭代变形优化模块。实验结果表明，在1080ti GPU上实现了512×512图像分割效率达到32.3FPS的同时，在Cityscapes、Kings和Sbd三个数据集上的模型验证均取得了最新的基准成绩。

1. Introduction

本文提出了一种名为deepsnake的学习驱动snake算法，在图像分割领域中实现对实例的实时分割效果显著提升。该算法主