目标检测_目标检测 3 Mask RCNN

知识面的盲点那么多，为什么不看看

星标/置顶  深度学习干货分享❤

————

论文题目：Mask RCNN

论文地址：https://arxiv.org/pdf/1703.06870.pdf

目标检测系列：『目标检测』解读RCNN与Fast RCNN → 『目标检测 2 』Faster RCNN   →  Mask RCNN

解读

MASK RCNN获得2017年ICCV最佳论文，作者是谁大家都知道。mask综合了以往优秀的成果，在faster rcnn基础上进行了改进，速度略慢于faster rcnn，总体性能大幅度提升。可以做 目标检测、分类、人体姿态检测、语义分割、实例分割等。 创新点： 使用 ROIAlign代替ROIPooling (最主要) 基础网络使用 Resnet＋FPN，使用不同大小的feature map 添加新的分支mask 先看下faster rcnn 与mask rcnn 的区别

faster rcnn

mask rcnn

可以看到，mask在特征提取阶段是把 不同大小的特征图送到RPN中训练(而faster只有一种尺寸)。经过RPN后产生大量的候选区域需要用ROI在多个不同尺寸的特征图上切出来感兴趣区域也就是目标区域，然后送入到ROIAlign(faster 是ROIPooling)之后进行后续的分类和回归 。 从这两幅对比图，先抛出来两个疑问。 1.mask rcnn 特征提取阶段把不同尺寸feature map都使用到了，那怎么确定ROI去切哪一张特征图？ 2.为什么要使用这种多个特征图方式，而不是像faster 一样统一