共计 701 个字符，预计需要花费 2 分钟才能阅读完成。
编译 | CV 君
报道 | 我爱计算机视觉（微信 id：aicvml）
YolactEdge 是第一个可在小型边缘设施上以实时速度运行的有竞争力的实例宰割办法。
在 550×550 分辨率的图像上，以 ResNet-101 为主干网的 YolactEdge 在 Jetson AGX Xavier 上的运行速度高达30.8 FPS（在 RTX 2080 Ti 上的运行速度为 172.7 FPS）。
YolactEdge: Real-time Instance Segmentation on the Edge (Jetson AGX Xavier: 30 FPS, RTX 2080 Ti: 170 FPS)
论文：https://arxiv.org/abs/2012.12259
代码：https://github.com/haotian-li…\_edge
单位：亚马逊；加利福尼亚大学戴维斯分校
作者：Haotian Liu, Rafael A. Rivera Soto, Fanyi Xiao, Yong Jae Lee
该文次要在 YOLACT 算法根底上进行了两个方面的改良：
(1) TensorRT 程序优化，衡量速度和精度；
(2) 提出一种新的特色 warping 模块，以利用视频中的工夫冗余。
作者曾经提供了 YouTube VIS、COCO 数据集上训练的泛滥模型：
能够间接跑起来。
对于做钻研的同学来说，作者也提供了简略不便的在支流数据集上 评估办法，不便改良后模型比拟。
另外，该代码提供了具体的 在已有和新数据集上的训练方法，不便做工程的同学本人训练。
相干演示 Demo:https://www.bilibili.com/vide…
总之，对于做实例宰割的同学来说，YolactEdge 是近期十分值得参考的算法。
