深度学习论文阅读笔记(21)-ESE_seg: Explicit Shape Encoding for Real-Time Instance Segmentation

基本上就是用预测shape来进行分割。
center 使用的inner center，指的是离shape最远的inner点。

shape vector 也是极坐标，固定角度，用距离表示。(Inner-center Radius)IR

文章进行encoding, 想要降低维度，同时能够保证抗干扰。

将得到的一组vector {\(f(\theta)\)}

用切比雪夫多项式进行拟合

用系数就可以拟合这个shape。

\[Lshape = 1_{obj} ||( \hat{p} - p) + (\hat{k} - k)||^2, \]

\[L = λ_{cls}L_{cls} + λ_{bbox}L_{bbox} + λ_{shape}L_{shape} \]