何愷明、陳鑫磊新研究：提出實例分割新方法，效果比肩Mask R-CNN
全新角度看實例分割問題
銅靈 發自 凹非寺
量子位 出品 | 公眾號 QbitAI
何愷明大神的團隊又有新研究了！
這一次，Facebook的陳鑫磊、何愷明等人，又從全新的角度，再次解決了實例分割任務中的難題：
他們提出一種通用的實例分割框架TensorMask，彌補了密集滑動窗口實例分割的短板。
在COCO數據集上進行測試實例分割結果可以發現，TensorMask的效果可以比肩Mask R-CNN。
這是種怎樣的新方法？
4D張量
在論文TensorMask: A Foundation for Dense Object Segmentation中，研究人員詳細介紹了通用框架TensorMask。
此前，實例分割的主流方法是Mask R-CNN。在這種方法中，模型先檢測物體的邊界框，然后進行裁剪和目標分割。
但是，密集滑動窗口的實例分割 (Dense Sliding-window Instance Segmentation)卻鮮少被人關注。在這種方法中，每個空間位置的輸出本身具有自己空間維度的幾何結構，與Mask R-CNN有本質上的區別。
為了形式化說明這一方法，研究人員將密集實例分割看作是4D張量（4D tensors）上的預測任務，并提出通用框架TensorMask獲取這種幾何結構。
TensorMask的核心變化是，用結構化的高維張量表示一組密集滑動窗口中的圖像內容。
TensorMask中包含兩部分，一是預測蒙版的Head，負責在滑動窗口中生成蒙版，二是進行分類的Head，負責預測目標的類別。
兩者分工明確，各司其職。
在COCO數據集上進行實例分割檢測可以發現，TensorMask在test-dev上的平均精度達到了35.5，與Mask R-CNN的36.8非常接近。
結果證明，在定量和定性上，TensorMask均接近Mask R-CNN。
中國少年×2
這項新研究的背后，少不了中國研究人員的足跡。
論文一作是中國少年陳鑫磊，目前就職于Facebook，一路走來其研究經歷閃閃發光。
陳鑫磊在浙江大學攻讀計算機科學專業學習時，師從蔡登教授。本科畢業后奔赴CMU攻讀博士，師從Abhinav Gupta教授，主要攻讀計算機視覺方向。
在博士畢業前，陳鑫磊在Google Cloud AI部門實習過，當時在李飛飛和李佳兩位大牛的項目組內。
在陳鑫磊的個人主頁上可以看到，其參與過的多篇論文都被頂會接收。
三作何愷明大家應該不陌生，作為Mask R-CNN的主要提出者，何愷明三次斬獲頂會最佳論文。
何愷明曾是廣東高考狀元，并保送了清華。本科畢業后，何愷明進入香港中文大學讀研。期間繼續在微軟亞洲研究院參與研究，現也就職于Facebook。
論文的二作Ross Girshick和四作Piotr Dollar陳鑫磊和何愷明在Facebook的同事，頂會論文Mask R-CNN、Focal Loss for Dense Object Detection等，都是三人曾合作開展的研究。
有友如此，甚好甚好。
傳送門
論文TensorMask: A Foundation for Dense Object Segmentation：
https://arxiv.org/abs/1903.12174
論文中表示，研究結果將于不久后開源~
值得期待。
—?完?—
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復“招聘”兩個字。
量子位?QbitAI · 頭條號簽約作者
?’?’ ? 追蹤AI技術和產品新動態
- 微軟公布19財年財報：凈利潤增長22%，云計算首超個人計算業務2019-07-19
- 騰訊云推出物聯網邊緣計算平臺，具備五大特點，想攻克物聯網落地難題2019-08-28
- DeepMind醫療業務幾經動蕩，現在團隊并入Google2019-09-20
- 首例基因編輯干細胞治療艾滋病：北大鄧宏魁參與，達最佳治療效果2019-09-14
相關閱讀
