pointrend pytorch

PointRend是Facebook AI Research在2019年提出的一种借助点采样（point sampling）技术提升实例分割（instance segmentation）性能的方法，这一方法被应用于Mask R-CNN模型中，提高了实例分割任务的表现。

PointRend的核心思想是通过点采样（point sampling）的方式对实例的局部区域进行特征提取，然后再对这些局部特征进行全局汇聚来获取最终的实例特征表示。具体地，PointRend将Mask R-CNN的RoIAlign操作替换为PointRoIAlign操作，这样可以在每个采样点处提取出一个局部特征。然后在这些局部特征上，PointRend使用自适应池化（adaptive pooling）的方式，将局部特征汇聚到一个全局表达中，这个表达即为最终的实例特征表示。

PointRend在实验中表现出了很好的性能，特别是在实例大小差距较大的情况下效果最为显著。目前，PointRend已经被整合到Facebook AI Research开源的detectron2库中，可以直接使用pytorch实现。