何恺明、陈鑫磊最新研究：提出实例分割新方法TensorMask效果比肩Mask

这一次，Facebook的陈鑫磊、何恺明等人，又从全新的角度，再次处置了实例离散职司中的困难：

正在COCO数据集进步行测试实例离散结果可能呈现，TensorMask的结果可能比肩Mask R-CNN。

此前，实例离散的主流格式是Mask R-CNN。正在这种格式中，模子先检测物体的鸿沟框，然后举办裁剪和方针离散。

然而，聚集滑动窗口的实例离散 (Dense Sliding-window Instance Segmentation)却鲜少被人闭心。正在这种格式中，每个空间地点的输出自己具有自身空间维度的几何布局，与Mask R-CNN有性质上的区别。

为结束面化证明这一格式，讨论职员将聚集实例离散看作是4D张量（4D tensors）上的预测职司，并提出通用框架TensorMask获取这种几何布局。

TensorMask中包蕴两片面，一是预测蒙版的Head，控制正在滑动窗口中天生蒙版，二是举办分类的Head，控制预测方针的种别。