CenterMask: تقسيم الحالات في الوقت الحقيقي بدون نقاط ثابتة

نقترح طريقة بسيطة ومع ذلك فعّالة لتقسيم الأشياء بدون نقاط ثابتة (Anchor-Free Instance Segmentation)، تُسمى CenterMask، والتي تضيف فرعًا جديدًا للقناع الموجه بالانتباه المكاني (Spatial Attention-Guided Mask - SAG-Mask) إلى كاشف الأشياء ذو المرحلة الواحدة بدون نقاط ثابتة (FCOS) بنفس الطريقة التي تتبعها Mask R-CNN. عند دمجها مع كاشف الأشياء FCOS، يقوم الفرع SAG-Mask بتوقع قناع تقسيم لكل صندوق باستخدام خريطة الانتباه المكاني التي تساعد في التركيز على البكسلات المعلوماتية وقمع الضوضاء.كما نقدم شبكات ظهرية محسنة، VoVNetV2، مع استراتيجيتين فعالتين: (1) الاتصال المتبقي (Residual Connection) لتخفيف مشكلة التحسين في VoVNet الأكبر \cite{lee2019energy} و(2) سحق وإثارة فعال (Effective Squeeze-Excitation - eSE) للتعامل مع مشكلة فقدان المعلومات القناة في SE الأصلي. باستخدام SAG-Mask وVoVNetV2، نصمم CenterMask وCenterMask-Lite المستهدفين للأطر النموذجية الكبيرة والصغيرة على التوالي. باستخدام نفس هيكل ResNet-101-FPN الظهري، يحقق CenterMask نسبة 38.3%، مما يتفوق على جميع الأساليب الرائدة سابقًا بمعدل أسرع بكثير. كما يتفوق CenterMask-Lite على الأساليب الرائدة بفروقات كبيرة بمعدل أكثر من 35 إطارًا في الثانية على بطاقة Titan Xp.نتمنى أن يكون CenterMask وVoVNetV2 أساسًا متينًا لتقسيم الأشياء الفوري والشبكة الظهرية لمجموعة متنوعة من مهام الرؤية، على التوالي. يمكن الوصول إلى الشيفرة البرمجية عبر الرابط: https://github.com/youngwanLEE/CenterMask.