https://arxiv.org/abs/1703.06870

摘要

我们提出了一种概念清晰、操作便捷且适用性广泛的目标实例分割体系。该体系能够有效识别图像中的各类目标，并为每个目标生成精确度较高的分割掩膜。这一技术被命名为Mask R-CNN，其在Faster R-CNN的基础上进行了拓展，新增了用于预测对象掩膜的模块，与原本用于边界框识别的模块并行运作。Mask R-CNN的训练过程较为简易，仅在原有基础上增加了一定的计算开销，其运行速度可达每秒5帧。同时，该方法具备良好的可扩展性，能够方便地应用于其他相关任务，例如在同一架构下实现人体姿态估计。我们在COCO挑战数据集的各项指标中均取得了最优表现，涵盖实例分割、边界框目标检测以及人体关键点检测等多个方面。无需额外优化手段，Mask R-CNN在所有任务中均超越了现有单一模式的解决方案，包括COCO 2016挑战赛的优胜方案。我们期望这一简洁而高效的方法能够成为未来实例级识别研究的重要基准。相关代码已公开：https://github.com/ facebookresearch/Detectron。