无需额外技巧，轻量级ResNet-50助力SBR-CNN，解决实例分割中的IoU分布不平衡问题 ！

文章预览

在实例分割任务上，当前最先进的两阶段模型存在几种不平衡问题。在本文中，作者解决了第二阶段训练期间正输入感兴趣区域（RoIs）的交并比（IoU）分布不平衡问题。 作者的自平衡R-CNN（SBR-CNN），是混合任务级联（HTC）模型的改进版本，引入了全新的边界框和 Mask 细化循环机制。通过改进的通用RoI提取（GRoIE），作者还解决了特征金字塔网络（FPN）层面上的特征级不平衡问题，这是由 Backbone 层低 Level 和高 Level 特征的非均匀整合引起的。 此外，架构的重新设计采用了全卷积方法，FCC进一步减少了参数数量，并获得了更多关于要解决的问题与所用层之间连接的线索。实际上，作者的SBR-CNN模型如果与其他最先进模型结合使用，同样甚至能显示出更好的改进。 事实上，以轻量级的ResNet-50作为 Backbone 网络，在COCO minival 2017数据集上进行评估，作者的模 ………………………………