Réseau d'agrégation de chemins pour la segmentation d'instances

La manière dont l'information se propage dans les réseaux neuronaux est d'une grande importance. Dans cet article, nous proposons le réseau d'agrégation de chemins (Path Aggregation Network, PANet) visant à améliorer le flux d'information dans le cadre de la segmentation d'instances basée sur des propositions. Plus précisément, nous renforçons toute la hiérarchie des caractéristiques avec des signaux de localisation précis dans les couches inférieures par une augmentation du chemin bas vers haut, ce qui raccourcit le chemin d'information entre les couches inférieures et la caractéristique supérieure. Nous présentons un regroupement de caractéristiques adaptatif, qui relie la grille de caractéristiques et tous les niveaux de caractéristiques pour permettre à l'information utile de chaque niveau de caractéristiques de se propager directement aux sous-réseaux suivants des propositions. Une branche complémentaire capturant différentes vues pour chaque proposition est créée afin d'améliorer davantage la prédiction du masque. Ces améliorations sont simples à mettre en œuvre, avec un coût computationnel supplémentaire négligeable. Notre PANet a obtenu la première place dans la tâche de segmentation d'instances du défi COCO 2017 et la deuxième place dans la tâche de détection d'objets sans entraînement par lots volumineux. Il est également à l'état de l'art sur MVD et Cityscapes. Le code est disponible à l'adresse https://github.com/ShuLiu1993/PANet