计算机视觉系列-轻松掌握 MMDetection 中常用算法:YOLACT（一）
YOLACT简介
You Only Look At CoefficienTs
YOLACT: Real-time Instance Segmentation
论文链接：https://arxiv.org/abs/1904.02689
YOLACT：实时实例分割
论文提出了一个简单的全卷积模型，用于实时实例分割，在单个 Titan Xp 上以 33.5 fps 的速度在 MS COCO 上实现了 29.8 mAP，这比以前的任何竞争方法都要快得多。此外，论文只在一个 GPU 上训练后获得了这个结果。论文通过将实例分割分解为两个并行的子任务来实现这一点：（1）生成一组原型掩码和（2）预测每个实例的掩码系数。然后论文通过将原型与掩码系数线性组合来生成实例掩码。论文发现，因为这个过程不依赖于 repooling，所以这种方法可以产生非常高质量的掩码，并表现出时间稳定性。此外，论文分析了emergent behavior of our prototypes，并表明它们学会了以变体的方式自行定位实例，尽管它们是完全卷积的。 论文还提出了 Fast NMS，它是标准 NMS 的快速替代品，速度快 12 毫秒，仅具有边际性能损失。
