Code: https://github.com/xieenze/PolarMask
Motivation
基于FCOS实现实例分割，使用极坐标表达实例的轮廓，进一步形成分割结果。
本文方法采用极坐标表示物体，有以下几点好处：
- 极坐标的原点可以看作是物体的中心
- 从原点开始，轮廓上的点由距离和角度来确定
- 很方便将所有点连接成一个完整的轮廓
Methods
PolarMask由一个特征金字塔和两三个特定的heads组成，分别预测Mask、bbox、bbox的类别。
Polar Mask Segmentation
物体由极坐标表示，物体中心作为原点，从原点向四周发出射线，每条射线夹角为\(\theta\)度，所以物体轮廓上的点只需记录到原点的距离即可。
质心和bbox中心哪一个更好，作者也不确定，但实验表明，质心更好一些。解释为质心有更高概率落到物体上。
Polar Centerness
\[ \text { Polar Centerness }=\sqrt{\frac{\min \left(\left\{d_{1}, d_{2}, \ldots, d_{n}\right\}\right)}{\max \left(\left\{d_{1}, d_{2}, \ldots, d_{n}\right\}\right)}} \]
\[ Polar IoU Loss = log{\frac{\sum_{i=1}^{n}{d_{max}}}{\sum_{i=1}^{n}{d_{min}}}} \]
Experiments
