keineahnung2345的博客

在本系列的第一篇Mask_RCNN代碼研讀（matterport版本）系列文（一）- ResNet部份中，我們了解到ResNet在Mask RCNN的大架構裡扮演的是特徵抽取器（backbone）的角色，而這些feature maps將被Feature Pyramid Network（以下簡稱FPN）用來進一步構建在更層語義訊息皆很強的特徵。在本篇中將會接著對FPN進行探討。對FPN還不了解的同學可以先看看Feature Pyramid Networks for Object Detection論文研讀。

在開始閱讀這近三千行的代碼之前，先對模型整體架構有基本的認識會比較好。以下先說說閱讀代碼時需注意的幾個地方：Mask R-CNN的發展歷程是由R-CNN到Fast R-CNN到Faster R-CNN再到Mask R-CNN。它們使用ResNet當backbone來抽取特徵，並且用到了Feature Pyramid Network來解決所謂多尺度目標檢測的問題。這個repo是用Keras+TensorFlow寫成。經筆者實測，使用Keras2.2.2或TensorFlow1.8