论文阅读：Learning to Segment Object Candidates（DeepMask）

1 摘要

最近目标检测一般需要依赖于2个关键步骤：（1）尽可能有效率地提取目标proposals。（2）对提取到地这些proposals进行分类。与上面的不同，作者提出一个新网络结构DeepMask：通过一个网络分成两条不同路径，一条路径输出目标分割的mask；另一条路径输出对目标的预测分数。作者提出的该超过了目标propasal算法的最好效果。对比于先前的方法，作者的方法能够使用更少的proposal获得更高的召回率。

2 亮点

2.1 DeepMask结构

作者先使用在ImageNet上训练好的VGG-A网络（包含8个3*3的卷积层，5个2x2的max-pooling层，这里去掉最后一个max-pooling层）进行特征提取得到512x14x14的特征图，如下图：

对于512x14x14的特征图，网络分成两条路线：
① 通过1x1卷积层得到目标热度图，再进行双线性插值上采样得到Mask图。

② 经过一个2x2的池化层再经过全连接层得到每一类目标分数的预测。

2.2 损失函数

由于存在两条线路，因此联合损失函数是由两部分组成的，如下：

其中，$f_{segm}^i$