分割算法——可以分割一切目標（各種分割總結）（2）

5）DeepLab (v1 & v2) 2014 & 2016

“計算機視覺戰隊”微信公眾平臺推送過，可以查閱：

谷歌經典的語義分割框架系列1——DeepLab v1

DeepLab v2及調試過程

Deeplab v2 安裝及調試全過程

6）RefineNet 2016年

主要貢獻：

精心設計的譯碼模塊

所有模塊遵循殘余連接設計

膨脹卷積有幾個缺點，如計算量大、需要大量內存。這篇文章采用編碼-譯碼架構。編碼部分是ResNet-101模塊。譯碼采用RefineNet模塊，該模塊融合了編碼模塊的高分辨率特征和前一個RefineNet模塊的抽象特征。每個RefineNet模塊接收多個不同分辨率特征，并融合。

7）PSPNet 2016年

Pyramid Scene Parsing Network 金字塔場景解析網絡

主要貢獻：

提出了金字塔池化模塊來聚合圖片信息

使用附加的損失函數

金字塔池化模塊通過應用大核心池化層來提高感知域。使用膨脹卷積來修改ResNet網，并增加了金字塔池化模塊。金字塔池化模塊對ResNet輸出的特征進行不同規模的池化操作，并作上采樣后，拼接起來，最后得到結果。

本文提出的網絡結構簡單來說就是將DeepLab（不完全一樣）aspp之前的feature map pooling了四種尺度之后將5種feature map concat到一起經過卷積最后進行prediction的過程。 

8）Large Kernel Matters 2017

主要貢獻：

提出了使用大卷積核的編碼-譯碼架構

理論上更深的ResNet能有很大的感知域，但研究表明實際上提取的信息來自很小的范圍，因此使用大核來擴大感知域。但是核越大，計算量越大，因此將k x k的卷積近似轉換為1 x k + k x 1和k x 1 + 1 x k卷積的和，稱為GCN。

本文的架構是：使用ResNet作為編譯器，而GCN和反卷積作為譯碼器。還使用了名為Boundary Refinement的殘余模塊。

9）DeepLab v3 2017（這個我們即將給大家接著上次系列繼續分享）

主要貢獻：

改進 ASPP

串行部署 ASPP 的模塊

和DeepLab v2一樣，將膨脹卷積應用于ResNet中。改進的ASPP指的是將不同膨脹率的膨脹卷積結果拼接起來，并使用了BN 。與Dilated convolutions (2015) 不一樣的是，v3直接對中間的特征圖進行膨脹卷積，而不是在最后做。

小總結：

現在把之前較為典型的簡單介紹了一遍，現在接下來我們繼續說今天這個分割技術。

學習分割Everything

讓C是一組目標類別，希望為其訓練一個instance segmentation模型。大多數現有方法假設C中的所有訓練樣本都帶有instance mask。

于是，本次放寬了這一要求，而是假設C=A∪B，其中來自A中類別的樣本有mask，而B中的只有邊界框。由于B類的樣本是弱標記的w.r.t.目標任務(instance segmentation)，將強標簽和弱標簽組合的訓練作為一個部分監督的學習問題。注意到可以很容易地將instance mask轉換為邊界框，假設邊界框注釋也適用于A中的類。

給出了一個包含邊界框檢測組件和mask預測組件的MASK R-CNN instance segmentation模型，提出了MaskX R-CNN方法，該方法將特定類別的信息從模型的邊界框檢測器轉移到其instance mask預測器。

權重傳遞來Mask預測

本方法是建立在Mask R-CNN，因為它是一個簡單的instance segmentation模型，也取得了最先進的結果。簡單地說，MASK R-CNN可以被看作是一個更快的R-CNN邊界框檢測模型，它有一個附加的mask分支，即一個小的全卷積網絡(FCN)。

在推理時，將mask分支應用于每個檢測到的對象，以預測instance-level的前景分割mask。在訓練過程中，mask分支與Faster R-CNN中的標準邊界框head并行訓練。在Mask R-CNN中，邊界框分支中的最后一層和mask分支中的最后一層都包含特定類別的參數，這些參數分別用于對每個類別執行邊界框分類和instance mask預測。與獨立學習類別特定的包圍框參數和mask參數不同，我們建議使用一個通用的、與類別無關的權重傳遞函數來預測一個類別的mask參數，該函數可以作為整個模型的一部分進行聯合訓練。

具體如下如所示：

Training

在訓練期間，假設對于A和B兩組類，instance mask注釋僅適用于A中的類，而不適用于B中的類，而A和B中的所有類都有可用的邊界框注釋。如上圖所示，我們使用A∪B中所有類的標準框檢測損失來訓練邊界框head，但只訓練mask head和權重傳遞函數T(·)，在A類中使用mask loss，考慮到這些損失，我們探索了兩種不同的訓練過程：分階段訓練和端到端訓練。

分階段訓練

由于Mask R-CNN可以被看作是用mask head增強Faster R-CNN，一種可能的訓練策略是將訓練過程分為檢測訓練(第一階段)和分割訓練(第二階段)。

在第一階段，只使用A∪B中類的邊界框注釋來訓練一個Faster R-cnn，然后在第二階段訓練附加的mask head，同時保持卷積特征和邊界框head的固定。這樣，每個c類的類特定檢測權重wc可以被看作是在訓練第二階段時不需要更新的固定類emdet層疊向量。

該方法具有很好的實用價值，使我們可以對邊界框檢測模型進行一次訓練，然后對權重傳遞函數的設計方案進行快速評估。它也有缺點，這是我們接下來要討論的。

端到端聯合訓練

結果表明，對于MASK R-CNN來說，多任務訓練比單獨訓練更能提高訓練效果。上述分階段訓練機制將檢測訓練和分割訓練分開，可能導致性能低下。

因此，我們也希望以一種端到端的方式，聯合訓練邊界框head和mask head。原則上，可以直接使用A∪B中類的box損失和A中類的mask loss來進行反向傳播訓練，但是，這可能導致A組和B組之間的類特定檢測權重Wc的差異，因為只有c∈A的Wc會通過權重傳遞函數T(·)從mask loss得到梯度。

我們希望Wc在A和B之間是均勻的，這樣在A上訓練的預測Wc=T(Wc；θ)可以更好地推廣到B。

實驗

表1 Ablation on input to T

表2 Ablation on the structure of T

表3 Impact of the MLP mask branch

表4 Ablation on the training strategy

Each point corresponds to our method on a random A/Bsplit of COCO classes.

效果圖

Mask predictions from the class-agnostic baseline (top row) vs. our MaskX R-CNN approach (bottom row). Green boxes are classes in set A while the red boxes are classes in set B. The left 2 columns are A = {voc} and the right 2 columns are A = {non-voc}.

Example mask predictions from our MaskX R-CNN on 3000 classes in Visual Genome. The green boxes are the 80 classes that overlap with COCO (set A with mask training data) while the red boxes are the remaining 2920 classes not in COCO (set B without mask training data). It can be seen that our model generates reasonable mask predictions on many classes in set B. See §5 for details.