keras Mask Rcnn代码走读（一）

https://github.com/matterport/Mask_RCNN

主要就是model.py，其他都是辅助模块。
本次先从class MaskRCNN()类的build建模函数讲起

1. image 在特征提取网络中，进行6次特征缩小操作C1,C2,C3,C4,C5其中C1为4倍率缩小，其他为2倍率缩小，total 64倍缩小，所以网络要求输入的图像的尺寸为64的整数倍，默认输入为1024。

#image的size必须是64的倍数，因为特征图缩小最多为64倍。
# Image size must be dividable by 2 multiple times
h, w = config.IMAGE_SHAPE[:2]
if h / 2**6 != int(h / 2**6) or w / 2**6 != int(w / 2**6):
    raise Exception("Image size must be dividable by 2 at least 6 times "
                    "to avoid fractions when downscaling and upscaling."
                    "For example, use 256, 320, 384, 448, 512, ... etc. ")

2. 如果训练，需要定义GT的一些相关输入，包含RPN的GT(match，bbox
   )及Detection GT（classid，box，mask）。分别用于计算评价RPN Loss与classcify loss，mask loss

if mode == "training":
    #如果是训练，需要GT的一些输入，包含class，box，masks同时要对box坐标进行norm化
    # RPN GT
    input_rpn_match = KL.Input(
        shape=[None, 1], name="input_rpn_match", dtype=tf.int32)
    input_rpn_bbox = KL.Input(
        shape=[None, 4], name="input_rpn_bbox", dtype=tf.float32)

    # Detection GT (class IDs, bounding boxes, and masks)
    # 1. GT Class IDs (zero padded)
    input_gt_class_ids = KL.Input(
        shape=[None], name="input_gt_class_ids", dtype=tf.int32)
    # 2. GT Boxes in pixels (zero padded)
    # [batch, MAX_GT_INSTANCES, (y1, x1, y2, x2)] in image coordinates
    input_gt_boxes = KL.Input(
        shape=[None, 4], name="input_gt_boxes", dtype=tf.float32)
    # Normalize coordinates
    gt_boxes = KL.Lambda(lambda x: norm_boxes_graph(
        x, K.shape(input_image)[1:3]))(input_gt_boxes)
    # 3. GT Masks (zero padded)
    # [batch, height, width, MAX_GT_INSTANCES]
    if config.USE_MINI_MASK:
        input_gt_masks = KL.Input(
            shape=[config.MINI_MASK_SHAPE[0],
                   config.MINI_MASK_SHAPE[1], None],
            name="input_gt_masks", dtype=bool)
    else:
        input_gt_masks = KL.Input(
            shape=[config.IMAGE_SHAPE[0], config.IMAGE_SHAPE[1], None],
            name="input_gt_masks", dtype=bool)
elif mode == "inference"