초록
우리는 단일 Titan Xp에서 MS COCO를 평가한 결과, 실시간(>30 fps) 인스턴스 분할을 위한 경쟁력 있는 성능을 보이는 간단하고 완전히 합성곱 모델을 제시합니다. 이는 이전의 어떤 최신 접근 방식보다도 훨씬 빠릅니다. 또한, 우리는 단 한 개의 GPU에서만 훈련한 후 이러한 결과를 얻었습니다. 이를 달성하기 위해 인스턴스 분할을 두 가지 병렬 하위 작업으로 나누어 수행하였습니다: (1) 프로토타입 마스크 세트 생성 및 (2) 인스턴스별 마스크 계수 예측입니다. 그런 다음, 우리는 프로토타입과 마스크 계수를 선형 결합하여 인스턴스 마스크를 생성합니다. 이 과정이 리풀링에 의존하지 않기 때문에, 이 접근 방식은 매우 높은 품질의 마스크를 생성하며 시간적 안정성을 자연스럽게 제공합니다.또한, 우리의 프로토타입이 번역 변동성을 유지하면서 스스로 인스턴스를 위치 결정하는 능력을 배운다는 것을 분석하여 그들의 부상된 행동을 보여주었습니다. 우리는 또한 표준 NMS의 대체품인 Fast NMS를 제안하는데, 이는 성능 저하가 미미한 수준으로 12 ms 더 빠르게 작동합니다. 마지막으로, 백본 네트워크에 변형 합성곱을 통합하고, 예측 헤드를 더 좋은 앵커 스케일과 종횡비로 최적화하며, 새로운 빠른 마스크 재점수 부문을 추가함으로써 YOLACT++ 모델은 MS COCO에서 34.1 mAP를 33.5 fps로 달성할 수 있습니다. 이는 여전히 실시간으로 실행되는 동안 최신 접근 방식에 가까운 성능을 보입니다.