从mask rcnn到mask scoring rcnn

mrcnn  （mask rcnn）

不足：框架没有解决实例分割评分

对mask head输出的K(类别）个mask,选择哪个mask作为最终的输出，取决于分类支路置信度最高的类别。也就是用分类置信度来衡量mask质量，这会导致下图的现象：

左侧四幅图像显示出良好的检测结果，具有高分类分数但掩模质量低（即IOU低），这会导致AP下降

ms rcnn  （mask scoring rcnn）

为解决上述不足的思路：

        让分类置信度与mask质量之间能有高的相关性

解决方案：

• 将IOU ( 文中称MaskIoU ) 与分类分数相乘，这样得到的分数对语义类别和实例掩模均很敏感
• 在Mask R-CNN网络中加入了一个MaskIoU head，这个head将Mask Head的输出和感兴趣区域的特征作为输入，并运用一个简单的回归损失进行训练。