rlj 2019.07.13
Motivation Instance segmentation Proposal based Proposal free 慢 回归算法，每个pixel回归到center的距离
基于回归的方法 缺点： Inference的时候需要先得到中心点（聚类算法），再根据距离划 分instance
Framework
Learnable margin e： 像素 C：中心点 缺点： Margin fixed
Learnable margin Since for each instance k the gaussian outputs a foreground background probability map, this can be optimized by using a binary classification loss with the binary foreground background map of each instance as ground-truth. As opposed to using the standard cross-entropy loss function, we opt for using the Lovasz-hinge loss instead.
Seed map
Post processing Seed map取最大值，得到中心点 在同一个位置，取σ，每个像素预测到中心点距离 根据公式 ，>0.5则属于该中心点所属 instance 从seed map上把整个instance mask掉，取下一个最大值
Other details
Experiments
Experiments