RCNN系列（4）--Mask RCNN（容易理解）

1.简介

Mask R-CNN是在Faster R-CNN的基础上添加了一个预测分割mask的分支。整个网络将RoI Pooling 层替换成了RoIAlign层；添加了并列的FCN层（mask层）。

2.基本概念

2.1 RoIAlign
RoIAlign相比于RoIPooling，避免了直接量化，而是采用二次插值的方法来得到池化后的特征图，使得结果精度更高。更详细

3.网络结构

4.损失函数

对于每一个ROI，mask分支有Kmm维度的输出，其对K个大小为m*m的mask进行编码，每一个mask有K个类别。我们使用了per-pixel sigmoid，并且将Lmask定义为the average binary cross-entropy loss 。对应一个属于GT中的第k类的ROI，Lmask仅仅在第k个mask上面有定义（其它的k-1个mask输出对整个Loss没有贡献）。我们定义的Lmask允许网络为每一类生成一个mask，而不用和其它类进行竞争；我们依赖于分类分支所预测的类别标签来选择输出的mask。这样将分类和mask生成分解开来。

5.推荐

Mask-RCNN视频讲解