論文地址：http：//arxiv。org/pdf/2001。01629v3。pdf
程式碼：https：//github。com/zju3dv/snake/。
論文名稱：Deep Snake for Real-Time Instance Segmentation
原文作者：Sida Peng
本文提出了一種基於輪廓的實時的例項分割方法——deep snake演算法。與最近一些直接從影象中返回物體邊界點座標的方法不同，deep snake使用神經網路迭代地變形初始輪廓來匹配物體邊界，使用學習方法實現了snake演算法的經典思想。在deep snake中使用迴圈卷積，基於學習到的特徵得到每個頂點需要調整的偏移量以儘可能地準確包圍例項，而後透過迭代得到更為精確的輪廓結果。基於deep snake演算法，我們的例項分割分為兩個步驟：首先初始化輪廓，然後使輪廓變形，矯正目標定位中的錯誤。實驗結果表明，使用1080Ti GPU， 在資料集Cityscapes、KINS、SBD和COCO 中，使用512×512解析度的圖片使用本文演算法可以達到32。3 fps，並且取得了較好的效能，同時具有較高的實時應用效率。
下面是論文具體框架結構以及實驗結果：
宣告：文章來自於網路，僅用於學習分享，版權歸原作者所有，侵權請聯絡刪除。
