Centermask预训练模型：从原理到实战的图像分割优化方案

1次阅读

共计 1661 个字符，预计需要花费 5 分钟才能阅读完成。

图像分割是计算机视觉中的核心任务，但在实际应用中仍面临诸多挑战。以 Mask R-CNN 为代表的传统方法虽然在基准测试中表现良好，但在复杂场景下存在明显不足：

小目标漏检 ：当目标尺寸小于 32×32 像素时，AP（Average Precision）指标下降超过 40%（参考 COCO 数据集统计）
边缘模糊 ：常规 RoIAlign 在特征映射时产生的量化误差导致物体边界锯齿明显
速度瓶颈 ：两阶段检测架构使推理速度难以突破 25FPS（1080Ti 显卡）

通过对比主流实例分割模型在 COCO val2017 上的表现（输入分辨率 1333×800）：

模型	Params(M)	FPS	AP	AP50	AP75
YOLACT-550	30.5	42.5	28.2	46.6	29.2
SOLOv2	41.3	31.8	34.0	55.4	35.9
Centermask	38.9	37.2	38.6	59.1	41.5

注：测试环境为 Tesla V100，batch_size=1

Centermask 创新性地引入 Center-ness 分支（CVPR2020[1]），通过预测每个位置的中心度得分来抑制低质量检测框：

# PyTorch 实现示例
class CenterNetHead(nn.Module):
    def __init__(self, in_channels):
        super().__init__()
        self.conv = nn.Conv2d(in_channels, 1, kernel_size=3, padding=1)

    def forward(self, x):
        """
        输入: [N,C,H,W] 特征图
        输出: [N,1,H,W] 中心度热图，值域 [0,1]
        """
        return torch.sigmoid(self.conv(x))

采用跨尺度特征融合策略（见图 1）：

基础特征提取使用 ResNet-50-FPN
增加 P6/P7 层提升大目标检测能力
引入可变形卷积（DCNv2）处理形变物体

# configs/centermask/centermask_r50_fpn.py
model = dict(
    type='CenterMask',
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3)),
    neck=dict(
        type='FPN',
        in_channels=[256, 512, 1024, 2048],
        out_channels=256,
        start_level=1,
        add_extra_convs='on_output',
        num_outs=5),
    bbox_head=dict(
        center_ratio=0.2,  # 中心区域比例
        loss_centerness=dict(type='CrossEntropyLoss', use_sigmoid=True))
)

在 Tesla T4 显卡（16GB 显存）上的实测数据：