マスク認識IoUを用いたリアルタイムインスタンスセグメンテーションにおけるアンカーアサインメント

本論文では、インスタンスセグメンテーション手法の学習中にアンカーボックスを正例と負例に割り当てるためのマスク意識的なIntersection-over-Union（maIoU）を提案します。従来のIoUやその変種とは異なり、maIoUは2つのボックス間の近接性だけでなく、アンカーボックスと地面真ボックスに関連する地面真マスクとの近接性も一貫して測定します。つまり、物体の形状を表すマスクも考慮することで、maIoUは学習中のより正確な教師付けを可能にします。我々は、最先端（SOTA）アサインャーであるATSSにおいて、IoU操作をmaIoUに置き換えてYOLACT（SOTAリアルタイムインスタンスセグメンテーション手法）を学習させることにより、maIoUの有効性を示します。異なる画像サイズで実験した結果、(i) IoUを使用したATSSと比較して約1ポイントのマスクAPが向上し、(ii) 固定されたIoU閾値アサインャーを使用した基準YOLACTと比較して約2ポイントのマスクAPが向上し、(iii) アンカー数を減らすことにより推論時間が25%短縮されることが確認されました。この効率性を利用し、我々はさらに高速でAPが+6ポイント高い検出器maYOLACTを開発しました。最良のモデルはCOCO test-dev上で37.7のマスクAPを達成し、25fpsで動作することから、リアルタイムインスタンスセグメンテーションにおける新たな最先端性能を確立しています。コードはhttps://github.com/kemaloksuz/Mask-aware-IoU で公開されています。