摘要
我们提出了一种用于实时实例分割的简单全卷积模型，在单个Titan Xp上评估时，该模型在MS COCO数据集上达到了29.8 mAP，帧率为33.5 fps，显著快于任何先前的竞争方法。此外，我们在仅使用一个GPU进行训练的情况下获得了这一结果。我们通过将实例分割分解为两个并行子任务来实现这一点：（1）生成一组原型掩码；（2）预测每个实例的掩码系数。然后，我们通过线性组合原型掩码和掩码系数来生成实例掩码。我们发现，由于这一过程不依赖于重新池化，因此该方法能够生成非常高质量的掩码，并且具有时间稳定性。此外，我们分析了原型的涌现行为，展示了它们尽管是全卷积的，但能够以平移不变的方式自主定位实例。最后，我们还提出了Fast NMS，这是一种可以替代标准NMS的标准组件，其速度提高了12毫秒，而性能损失微乎其微。