极市直播回放丨第74期-田值：BoxInst，实例分割创新式突破！仅用Box标注，实现COCO 33.2AP！-技术圈

极市直播回放丨第74期-田值：BoxInst，实例分割创新式突破！仅用Box标注，实现COCO 33.2AP！

极市平台

共 1979字，需浏览 4分钟

· 2020-12-23

↑ 点击蓝字关注极市平台

实例分割是计算机视觉中最重要的问题之一。实例分割可以提供像素级别的结果，因此相比目标检测有更广泛的应用场景。但同时实例分割也需要像素级别标注的训练数据。标注这些训练数据往往需要花费巨大的人力。这是导致实例分割不能被广泛使用的主要原因。

在这次分享中，我们邀请到了来自阿德莱德大学的田值博士，为我们介绍他团队最近的工作：

BoxInst: High-Performance Instance Segmentation with Box Annotations

BoxInst可以只使用外接矩形框的标注去训练实例分割网络，并且可以做到非常不错的效果，甚至超过了一些全监督的算法。比如说使用ResNet-101作为backbone，在COCO上BoxInst可以做到33.2的mask AP。另外，这一方法非常简单，只需要改变全监督的算法的损失函数，其他的都可以保持不变。因此，在测试的时候，BoxInst和全监督的方法完全一样。相信BoxInst可以使得大家在很多实际任务上彻底避免mask的标注。

在极市平台公众号后台回复“74”或“田值”即可获取PPT下载地址~

➤详情传送门

极市直播丨田值：BoxInst，实例分割创新式突破！仅用Box标注，实现COCO 33.2AP！

➤论文地址

BoxInst: High-Performance Instance Segmentation with Box Annotations

论文地址：

https://arxiv.org/abs/2012.02310v1

代码地址:

https://github.com/aim-uofa/AdelaiDet (即将开源)

➤分享大纲

1. 实例分割的价值和应用场景

2. 基于条件卷积的实例分割(CondInst)

3. 回顾早先使用Box监督的分割工作

4. BoxInst

5. 实验结果和insights

6. Demo展示

7. 基于BoxInst未来可以探索的工作

➤回放视频在这里☟（建议在pc端观看）

➤部分PPT截图

➤往期视频在线观看

B站：http://space.bilibili.com/85300886#!/

腾讯视频：http://v.qq.com/vplus/8be9a676d97c74ede37163dd964d600c

往期线上分享集锦：http://bbs.cvmart.net/topics/149/cvshare（或直接阅读原文）

推荐阅读

极市直播回放丨第71期-郑哲东：重识别领域最强技术分享！ReID最新综述、CVPR2020车辆重识别冠军方案及无人机定位
极市直播回放丨第69期-张志鹏：Ocean/Ocean+：实时目标跟踪分割算法，小代价，大增益
极市直播回放丨第68期-CSIG-ECCV 2020论文预交流会

添加极市小助手微信（ID : cvmart2），备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳），即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群：每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~

△长按添加极市小助手

△长按关注极市平台，获取最新CV干货

觉得有用麻烦给个在看啦~