欢迎来到《每周CV论文推荐》。 在本专栏中，我们推荐的文章也一定是同一个主题，因为我们仍然专注于基于三AI一致性原则，让大家系统地完成学习。
实例划分(Instance Segmentation )不仅预测数量目标的语义标签，还区分个体的ID。 语义标签是物体的类别，而实例ID对应于同类物体的不同号码，是一个比较困难的图像分割问题。 我推荐今天在这个领域第一篇应该读的文章。
作者言有三
1. Deepmask
DeepMask是一个非常早期的实例划分框架，它通过滑动窗口来预测图像块中的目标。 目前，这种方法的许多策略不可取，但大家都应该理解。
文章引用量：较少
推荐指数：
[1] Pinheiro P O O，Collobert R，dollRP.learningtosegmentobjectcandidates [ c ]//高级信息处理器
2. InstanceFCN与FCIS
实例fcn [2]是一个初始实例划分框架，通过引入位置敏感图预测一个像素属于一个物体的相对位置的得分，实现不同实例的划分。 这一思想后来被许多检测和分割框架所借鉴，例如FCIS[3]在此基础上引入两种score map同时进行分类和分割。
文章引用量： 500
推荐指数：
[2] Dai J，He K，Li Y，et al.instance-sensitivefullyconvolutionalnetworks [ j ].springer，Cham，2016。
[3]Li Y，Qi H，Dai J，et al.fullyconvolutionalinstance-awaresemanticsegmentation [ c ]//computervisionpatternrrecognition
3. MaskRCNN
Mask-RCNN是一种通用的实例划分框架，基于Faster RCNN框架对RPN输出的每个RoI预测划分掩码，实现实例划分。
文章引用量： 500
推荐指数：
[4] He K，Gkioxari G，P Dollr，et al. Mask R-CNN[C]//IEEE. IEEE，2017。
4. YOLACT
检测框架分为两个阶段和一个阶段，自然实例分割也分为两个阶段和一个阶段。 YOLACT是一个实时实例划分框架，通过在现有的一阶段目标检测模型中添加掩码分支来实现实例划分。
文章引用量：较少
推荐指数：
[5]Bolya D，Zhou C，Xiao F，et al.yola CT : real-timeinstancesegmentation [ j ].ieeetransactionsonpatternanalysisandmed
5. SOLO
solo (segmentingobjectsbylocations )是另一个非常简单的分阶段实例划分框架，通过提出实例类概念(Instance Category )来表示物体的中心位置和大小
文章引用量：较少
推荐指数：
[6]Wang X，Kong T，Shen C，et al.solo : segmentingobjectsbylocations [ c ]//2020。
6. PolarMask
PolarMask是一个anchor-box实例划分框架，它通过预测实例的轮廓而不是二值掩码来划分实例，它将实例划分问题划分为实例中心点(instance center classification )
文章引用量：较少
推荐指数：
[7] Xie E，Sun P，Song X，et al.polar mask :单次短I
nstance Segmentation With Polar Representation[C]// 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2020.文章细节众多，阅读交流在有三AI知识星球中进行，感兴趣可以加入。
有三AI知识星球
知识星球是有三AI的付费内容社区，里面包括各领域的模型学习，数据集下载，公众号的付费图文原稿，技术总结PPT和视频，知识问答，书籍下载，项目推荐，线下活动等资源，了解详细请阅读以下文章：
【杂谈】有三AI知识星球一周年了！为什么公众号+星球才是完整的？
【杂谈】万万没想到，有三还有个保密的‘朋友圈’，那里面都在弄啥！
转载文章请后台联系
侵权必究
往期精选
【每周论文推荐】 初入深度学习CV领域必读的几篇文章
【每周CV论文推荐】 掌握残差网络必读的10多篇文章
【每周CV论文推荐】 初学者必须精读的5篇深度学习优化相关文章
【每周CV论文推荐】 CV领域中数据增强相关的论文推荐
【每周CV论文推荐】 初学高效率CNN模型设计应该读的文章
【每周CV论文推荐】 初学目标检测必须要读的文章
【每周CV论文推荐】 初学深度学习图像分割必须要读的文章
【每周CV论文推荐】 初学GAN必须要读的文章
【每周CV论文推荐】 深度学习人脸检测入门必读文章
【每周CV论文推荐】 初学深度学习人脸关键点检测必读文章
【每周CV论文推荐】 初学深度学习人脸识别和验证必读文章
【每周CV论文推荐】 初学深度学习人脸属性分析必读的文章
【每周CV论文推荐】 初学活体检测与伪造人脸检测必读的文章
【每周CV论文推荐】 初学深度学习单张图像三维人脸重建需要读的文章
【每周CV论文推荐】 人脸识别剩下的难题：从遮挡，年龄，姿态，妆造到亲属关系，人脸攻击
【每周CV论文推荐】换脸算法都有哪些经典的思路？
【每周CV论文】深度学习文本检测与识别入门必读文章
【每周CV论文】深度学习图像降噪应该从阅读哪些文章开始
【每周CV论文】初学GAN图像风格化必须要读的文章
【每周CV论文】初学深度学习图像超分辨应该要读的文章
【每周CV论文】初学深度学习图像对比度增强应该要读的文章
【每周CV论文】初学深度学习图像修复应该要读的文章
【每周CV论文】初学深度学习图像风格化要读的文章