论文：Mask R-CNN

论文：https://arxiv.org/abs/1703.06870
代码：原配、pytorch 1、pytorch 2

更多 目标检测
更多 图像分割

---

回顾 Faster R-CNN

Faster R-CNN 包括两个阶段：

1. 第一阶段：称为区域提议网络(RPN)，提出候选目标边界框。
2. 第二阶段：本质上是Fast R-CNN，使用 RoIPool 从每个候选框中提取特征，并进行分类和边界框回归。

这两个阶段使用的特征可以共享，以更快地进行推断。

---

Mask R-CNN

Faster R-CNN对每个候选目标有两个输出，一个类标签和一个边界框偏移量；为此，我们添加了第三个分支输出目标 Mask Mask。Mask R-CNN 包括两个阶段：

1. 第一阶段：RPN
2. 第二阶段：预测类、边框偏移和二进制 Mask

---

损失函数

在训练过程中，将每个采样 RoI 上的多任务损失定义为 $L=L_{cls}$