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550x550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。