复习整理 Mask R-CNN

理解Mask R-CNN

---

前言

为了综合复习 Mask R-CNN 写一个博客
简言之：物体检测+产生一个切割mask(识别)
和FasterR−CNN区别：能生成一个检测框

一、简介

基础点

名词解释

物体检测：Fast/Faster R−CNN
通常包含两个问题，一是判断属于某个特定类的物体是否出现在图中；二是对该物体进行定位（常用表征就是物体的边界框）可实现输入测试图片，输出检测到的物体类别和位置。

语义分割 Fully Convolutional Network (FCN)
简单而言就是给定一张图片，对图片上的每一个像素点分类

实例分割
物体检测和语义分割的综合体。相对物体检测的边界框，实例分割可精确到物体的边缘；相对语义分割，实例分割可以标注出图上同一物体的不同个体

简单复习

Mask R-CNN沿用了Faster R-CNN的思想，特征提取采用ResNet-FPN的架构（多尺度，详见博客），其次，Mask R-CNN将Faster R-CNN的RoI Pooling改为了RoI Align，另外多加了一个Mask预测分支。综上，Mask R-CNN一共有以下三点改进：

• 新加了一个mask分支；

• 用ResNet-FPN做backbone，有利于多尺度物体的检测和分割；

• RoI Pooling -> RoI Align；

• 损失函数
  Lcls 和 Lbox 与faster rcnn的定义没有区别。需要具体说明的是Lmask

Faster R-cnn 损失函数

可见Mask RCNN综合了很多此前优秀的研究成果，并且其在工业界中也被广泛使用，效果很好。

注：要了解Mask R-CNN，需要以下知识：（后面给出了参考文章链接，在此不再赘述。）

• Faster R-CNN
  （参考博客）

• ResNet-FPN
  （参考博客）

• ResNet-FPN + Faster R-CNN
  （参考博客）

在熟悉以上基础之后，我们就会发现：Mask R-CNN == ResNet-FPN + Faster R-CNN + Mask。

推荐阅读大佬文章令人拍案称奇的Mask RCNN
给了一个全面的入门讲解。