一、模型介绍

《BoxInst: High-Performance Instance Segmentation with Box Annotations》于2020年11月发表，出自沈春华组，提出了一个实现 mask 级实例分割的高性能方法，训练时只需使用边框标注。本文中，作者只用到了一个简单的设计就可以实现显著的性能提升，在COCO数据集上 mask AP 由 21.1 % 21.1\%21.1%大幅提升到了31.6 % 31.6\%31.6%。本文核心思想重新设计实例分割中的 mask 学习损失函数，无需修改分割网络本身。新的损失函数无需 mask 标注，就可监督 mask 的训练。它是通过以下两个损失项做到的：1) 一个最小化 ground-truth 边框映射和预测 mask 差异的替代项；2) 一对损失使得颜色相近的相邻像素点类别相同。 

接下来我们一起看看如何快速进行论文复现吧！

二、创建实例

首先打开极链AI云的官网，选择模型创建实例：

模型列链AI云平台

由于平台已经配置了Boxinst的模型库，所以能够一键创建实例，轻松又便捷

三、论文复现

1、在/root/AdelaiDet/datasets/路径下，新建名为coco的文件夹

2、在根目录终端中，输入数据集准备代码

3、在/root/AdelaiDet文件夹下的终端中输入训练代码

训练效果如下

3、在目录/root/AdelaiDet的终端下，输入下列代码，使用预训练权重文件

到这里，我们就已经完成了Boxlnst的整个复现成果～具体的模型简介和代码可以在模型详情页查看

为了使复现更加方便高效，我们为每一个模型都配置了专属的模型详情页。

模型详情页详细展现了模型的使用方法（包含训练和推理的使用方式和测试案例）在证明模型配置的完整性和方便用户直接测试模型效果上，为用户进一步开发和训练模型提供便利。

极链AI云平台现在更新了大量模型和数据库！省去了繁琐冗长的上传时间，让论文复现一步到位！快去官网试试吧

ps.在平台没有找到模型的小伙伴可以参加我们的模型复现活动，在学习同时更有云币券作为奖励，快戳小助手咨询详情吧