Ada-Segment: Automated Multi-loss Adaptation for Panoptic Segmentation 论文链接：https://arxiv.org/abs/2012.03603 本文提出自动多损失自适应框架（称为Ada-Segment）以灵活地调整多个训练损失，表现SOTA！性能优于SOGNet、BANet和UPSNet等网络，作者单位：中山大学, 华为诺亚, 上海交大

全景分割结合了实例分割和语义分割，最近引起了越来越多的关注。虽然大多数现有方法都专注于设计新颖的体系结构，但我们却朝着不同的方向发展：在训练过程中使用训练有素的控制器实时地执行自动多损失自适应（称为Ada-Segment）以灵活地调整多个训练损失。这提供了一些优势：它绕过了敏感损失组合的手动调整，而敏感损失组合是全景分割的决定性因素。它允许显式地模拟学习动态，并协调多个目标的学习（在我们的实验中最多为十个）；通过端到端的体系结构，它可以推广到不同的数据集，而无需重新调整超参数或费力地调整训练过程。我们的Ada-Segment将原基准上的COCO val分割提高了2.7％的全景质量（PQ），在COCO测试-dev分割上实现了最先进的48.5％PQ，在ADE20K数据集上实现了32.9％的PQ。广泛的消融研究揭示了整个训练过程中不断变化的动力，因此有必要采用本文所述的自动适应性学习策略。

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