论文阅读：Mask R-CNN

Mask R-CNN获得了ICCV 2017 best paper award (Marr prize)，下载地址：https://arxiv.org/abs/1703.06870

这篇文章的核心idea：给Faster R-CNN加入分割支路，使其可进行实例分割（instance segmentation）。idea虽然简单，但要想让其work，路上还有很多坑，解决这些坑的方案就构成了论文的创新点：

1、Binary loss: 用来防止语义分割的类别竞争。

2、Class-Agnostic masks: 实例的类别信息从RoI proposal的分类结果得到。

3、用RoIAlign替代RoIPool，使得分割结果与RoI proposal的空间位置对齐。RoIAlign是内插后划分成7x7，RoIWarp是外插后划分成7x7。

4、Mask Branch使用分辨率为28x28的FCN，卷积层的通道数为：
256 -> 256 -> 256 -> 256 -> 256 -> 80

5、使用基础网络ResNeXt-101-FPN最有效。