[神经网络]实例分割Mask RCNN

一、概述

        实例分割和语义分割均可将图片按像素级进行切割，区别是实例分割可以区分不同个体，但语义分割不行。

                                 （实例分割）                                                （语义分割）

二、网络结构

        相较于Faster RCNN，Mask RCNN将RoI Plooing体换为了RoI Align。且在Faster RCNN之外并联了一个实例分割的分支。

        1.Mask结构

                Mask分支与预测分支不共用RoI Align，Mask分支的RoI最后得出的特征图为14*14。结构如下图：

                得出的结果为28*28*numclasses，对于每个类别都预测了蒙板。

                网络训练时，Mask分支的目标由RPN提供；但预测时，Mask分支的目标由Fast RCNN提供，因为训练时，PRN可能对一个网络提供多个预测值（框），相当于数据增强；而预测，仅会得到一个预测框。

         2.RoI Align

                RoI Pooling计算的为目标到左上角的偏移距离，涉及两次取整。会对最终结果造成影响

                而RoI Align计算的是目标点到左上角的距离，没有取整，可以提升计算精度

                 具体计算为使用双线性插值来计算

四、损失函数计算

         

        其中rpn和fast_rcnn的损失计算同faster  rcnn，而Mask分支的损失函数计算如下：

                         按不同类别计算BCELoss。