DCT-Mask: Discrete Cosine Transform Mask Representation for Instance Segmentation 论文链接：https://arxiv.org/abs/2011.09876 本文提出了一种新的掩码表示：DCT-Mask，可以轻松地集成到大多数基于像素的实例分割方法中，显著涨点！性能优于HTC、SOLOv2和CondInst等网络，作者单位：浙江大学, 阿里巴巴达摩院

二值grid mask表示法广泛用于实例分割中。代表性的实例分割网络是Mask R-CNN，它可以预测28×28二进制网格上的mask。通常，低分辨率网格不足以捕获细节，而高分辨率网格会大大增加训练的复杂性。在本文中，我们通过应用离散余弦变换（DCT）将高分辨率二值grid mask编码为紧凑向量，提出了一种新的掩码表示。我们的方法称为DCT-Mask，可以轻松地集成到大多数基于像素的实例分割方法中。 DCT-Mask不费吹灰之力，就可以在不同的框架，主干，数据集和训练计划上获得显着收益。它不需要任何预处理或预训练，并且几乎不会损害运行速度。特别是对于更高质量的注释和更复杂的主干，我们的方法有了更大的改进。此外，我们从mask表示质量的角度分析了我们方法的性能。 DCT-Mask工作良好的主要原因是它获得了具有低复杂度的高质量蒙版表示。

内容中包含的图片若涉及版权问题，请及时与我们联系删除