文章来源 | 极链AI云（性价比最高的共享算力平台，助力你的技术成长～首次注册可获免费100小时GPU使用时长！官网地址：https://cloud.videojj.com/）

作者 | 小仇【极链AI云技术原创奖励计划】

原文地址 | 一阶段实例分割模型PolarMask的相关笔记（官网论坛）

去年下半年前主流的高精度实例分割方法，主要是基于Faster RCNN网络的Mask RCNN改进方法，下半年后提出了几种特殊的一阶段实例分割模型，这里主要介绍PolarMask。

1.核心思想

参考FCOS在目标检测任务中的优良表现，CenterMask提出基于中心点分类和距离回归的方法进行实例分割。中心点分类方法与FCOS类似。FCOS中距离回归只需要考虑到目标框四条边的距离。实例分割中物体的轮廓形状复杂，但PolarMask中回归方法可以视为FCOS中的拓展。以预测得到的中心点为极坐标原点，做多条射线与轮廓相交，回归的是原点到轮廓交点的距离。论文中使用36条射线。

2.网络架构

与FCOS模型类似，使用FPN作为backbone提取特征。输出层包括像素点分类层，点与中心点距离的回归层。不同的是这里回归中心点到轮廓的距离替代FCOS中回归到四条边距离。

3.实验结果

论文中在COCO基准数据集上与常用的实例分割方法进行了比较。除了Mask R-CNN模型，polarmask可以取得最高的mAP。

与常用实例分割模型相比，polarmask的模型参数量明显较少，推断速度较快。

想要认识更多深度学习小伙伴，交流更多技术问题，欢迎关注公众号“极链AI云”（为你提供性价比最高的共享算力平台，官网地址：https://cloud.videojj.com/）