我々は、バウンディングポリゴンを使用したリアルタイムのインスタンスセグメンテーションの新しい手法であるCenterPolyを提案します。この手法は、密集した都市環境での道路利用者の検出に適用され、自動車などの知能輸送システムにおける応用が可能です。CenterPolyは、各オブジェクトの中心キーポイントを検出し、固定数のポリゴン頂点を予測することで、検出とセグメンテーションを並列に行います。ネットワークヘッド間でほとんどのネットワークパラメータが共有されているため、高速かつ軽量であり、リアルタイム速度で動作することが可能となっています。マスクのGround Truthを適切にポリゴンのGround Truthに変換するために、頂点選択戦略を設計しました。これによりポリゴンの学習が容易になります。さらに、密集した都市シーンにおける重複するオブジェクトのセグメンテーションを改善するために、利用可能な弱いアノテーションを使用してどのインスタンスが近いか遠いかを決定する相対深度ブランチも訓練しています。異なるバックボーンを持ついくつかのモデルを提案し、その速度と精度のトレードオフを示しています。これらのモデルはCityscapes、KITTIおよびIDDデータセットで訓練および評価され、その結果は公開ベンチマーク上で報告されており、リアルタイム速度において最先端の性能を達成しています。コードはhttps://github.com/hu64/CenterPoly で入手可能です。