[深度学习论文笔记][CVPR 18]Path Aggregation Network for Instance Segmentation

[CVPR 18]Path Aggregation Network for Instance Segmentation

Shu Liu, Lu Qi, Haifang Qin, Jianping Shi and Jiaya Jia

from

CUHK, Peking University, Sensetime & YouTu Lab

paper link

Motivation

本文提出了名为PANet的网络结构，用于物体检测(object detection)和实例分割(instance segmentation)任务。该网络基于FPN[1]和Mask RCNN[2]模型之上提出了三点创新，显著地提升了模型在物体检测和实例分割网络上的性能：

1. PANet改进了主干网络结构，加强了特征金字塔的结构，缩短了高低层特征融合的路径；
2. 提出了更灵活的RoI池化。之前FPN的RoI池化只从高层特征取值，现在则在各个尺度上的特征里操作；
3. 预测mask的时候使用一个额外的fc支路来辅助全卷积分割支路的结果。

网络的结构图如下所示，三个创新点对应的结构变化已经在图中标出：