文章转自知乎：CVer计算机视觉
带有ResNet-101的YolactEdge在Jetson AGX Xavier上的速度高达30.8 FPS，在RTX 2080 Ti上的速度为172.7 FPS，AP性能超强！速度是目前主流方法的3-5倍，代码于1小时前刚刚开源！
注：文末附【图像分割】学习交流群
YolactEdge: Real-time Instance Segmentation on the Edge (Jetson AGX Xavier: 30 FPS, RTX 2080 Ti: 170 FPS)
作者单位：UC Davis, 亚马逊（算是原YOLACT团队了）
代码：haotian-liu/yolact\_edge
论文：https://arxiv.org/abs/2012.12259
我们提出了YolactEdge，这是第一种竞争性实例分割方法，可以在小型边缘设备上以实时速度运行。具体来说，在550x550分辨率的图像上，带有ResNet-101主干的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）。
演示Demo如下：
为了实现这一目标，我们对基于图像的最新实时方法YOLACT进行了两项改进：
（1）TensorRT 优化，同时谨慎权衡速度和准确性
（2）利用新的特征warping模块视频中的Temporal Redundancy。
实验结果
在YouTube VIS和MS COCO数据集上进行的实验表明，与现有的实时方法相比，YolactEdge的速度提高了3-5倍，同时具有极好的mask和box检测精度。 我们还进行消融研究，以剖析我们的设计选择和模块。
推荐阅读
更多嵌入式AI技术干货请关注嵌入式AI专栏。
