UPSNet:统一的全景分割网络

本文提出了一种统一的全景分割网络(UPSNet)用于处理新提出的全景分割任务。在单曲的顶部主干剩余网络,我们首先设计了一种基于可变形卷积的语义分割头和Mask R-CNN风格的实例分割头同时解决这两个子任务。更重要的是,我们引入了无参数全景头,通过像素分类。它首先利用前两个逻辑头部,然后创新性地扩展表示以启用预测一个额外的未知类,它有助于更好地解决语义和实例分割。此外,它还能应对挑战由不同数量的实例引起,并允许反向传播到端到端方式的底层模块。关于城市景观、COCO和我们的内部数据集表明,我们的UPSNet实现了先进的性能和更快的推理。代码已生成网址:https://github.com/uber-research/UPSNet网站

PDF格式 摘要 2019年CVPR PDF CVPR 2019摘要

数据集集合


任务 数据集 模型 指标名称 公制值 全球排名 使用额外的
培训数据
结果 基准
全景分割 城市景观val UPSNet(ResNet-101,多尺度) 性能确认 61.8 # 21
资格预审 64.8 # 11
PQth公司 57.6 # 8
百万美元 79.2 # 20
应用程序 39 # 16
全景分割 城市景观val UPSNet(ResNet-50) 性能确认 59.3 #27个
PQst公司 62.7 # 16
PQth公司 54.6 # 18
百万美元 75.2 # 29
应用程序 33.3 # 26
全景分割 城市景观价值 UPSNet(ResNet-101) 性能确认 60.5 # 25
PQst公司 63 # 14
PQth公司 57 # 10
百万美元 77.8 # 23
应用程序 37.8 # 19
泛光学分割 COCO测试-dev UPSNet(ResNet-101-FPN) 性能确认 46.6 # 22
PQst公司 36.7 # 21
PQth公司 53.2 # 23
全景分割 印度驾驶数据集 UPS网 性能确认 47.1 # 3
全景分割 KITTI全景分割 UPS网 性能确认 39.9 # 3

方法