CondInst的主要架構(gòu)，C表示主干網(wǎng)絡(luò)的特征圖，P則為FPN的特征圖。Fmask是對應(yīng)的特征圖。head被作用于各個(gè)特征圖P得到分類結(jié)果和對應(yīng)的網(wǎng)絡(luò)頭生成參數(shù)（動(dòng)態(tài)生成的maskFCN個(gè)數(shù)與實(shí)例個(gè)數(shù)相同）。

CondInst中使用了依賴實(shí)例的濾波器，隱式地將實(shí)例概念編碼到了mask頭的參數(shù)中去，更為靈活的處理。針對非規(guī)則形狀可以比規(guī)則的bbox更好的進(jìn)行處理，這是相較于ROI方法的優(yōu)勢之一。

CondInst構(gòu)建與目標(biāo)檢測架構(gòu)FCOS上，充分利用其簡單和靈活性。去除了FCOS的錨分支減少計(jì)算量。上圖中顯示了模型充分利用了特征金字塔，在每一層級都會有上圖虛線框中表示的功能層來進(jìn)行實(shí)例相關(guān)的預(yù)測，計(jì)算出目標(biāo)類別的實(shí)例和動(dòng)態(tài)生成濾波器的參數(shù)。上圖中還包括了mask分支從P3層引出來計(jì)算特征圖。

最終輸出的掩膜大小是原始圖像的1／8．為了獲取高分辨率的實(shí)例掩膜，利用4倍上采樣來得到最終的掩膜圖像。

實(shí)  驗(yàn)

為了充分研究這一模型的有效性，研究人員在COCO數(shù)據(jù)集上對模型進(jìn)行了訓(xùn)練。首先測試了mask端的寬度和深度，來選擇最為合適的架構(gòu)大小。

實(shí)驗(yàn)表明深度為1效果最差，這是由于模型沒有足夠的容量，而達(dá)到3后則增加不明顯甚至下降。針對模型的寬度研究發(fā)現(xiàn)，這一因素對于模型的性能影響較小。針對寬度為8深度為3的基線mask head模型，在V100上其運(yùn)行時(shí)間僅僅需要4．5mm／100個(gè)實(shí)例，僅需要169個(gè)參數(shù)。這說明這種動(dòng)態(tài)生成方法對主干網(wǎng)絡(luò)造成的額外開銷非常少，與之對比的是Mask R－CNN的mask head則包含有2．3M個(gè)參數(shù)。

在選擇完合適的參數(shù)后，研究人員將設(shè)計(jì)好的架構(gòu)與多種先進(jìn)的方法進(jìn)行了比較，下表中可以看到這種方法在性能上超過了傳統(tǒng)的實(shí)例分割算法：

其中1x 代表90k迭代訓(xùn)練。aug代表了數(shù)據(jù)增強(qiáng)。w／sem是指利用了輔助的語義分割任務(wù)。

最后來一起看看這種緊湊高效的網(wǎng)絡(luò)結(jié)果，性能優(yōu)異速度又快，真香！