Mask R-CNN总结

论文地址：https://arxiv.org/abs/1712.00726

文章内容：

• 论文总览

• 算法要点

• 双线性插值

论文总览：

Mask R-CNN是在Faster R-CNN基础上加了一个分支，来预测ROI的分割mask，是与分类和回归分支并列的分支。主要的一个改进是将ROI Pooling改为ROI Align,提升了mask的准确率。

算法要点：

Mask R-CNN分两个阶段：第一阶段由RPN提出候选框，第二阶段是做分类、回归、分割。

Loss:

多任务损失函数

前两个损失函数与Faster R-CNN一样，L(mask)是平均二值交叉熵，分割分支对每个ROI会产生K*m*m个维的输出，在m*m分辨率上有K个二分类masks，每个像素点都应用了sigmoid，这样的好处是为每个类别都产生mask，不会在类别之间产生竞争，互不干涉。需要注意的是，计算loss的时候，并不是每个类别的sigmoid输出都计算二值交叉熵损失，而是该像素属于哪个类，哪个类的sigmoid输出才要计算损失。并且在测试的时候，是通过分类分支预测的类别来选择相应的mask预测。这样，mask预测和分类预测就彻底解耦了。

ROI Align：

Faster R-CNN存在的问题是：特征图与原始图像是不对准的（mis-alignment），所以会影响检测精度。而Mask R-CNN提出了RoIAlign的方法来取代ROI pooling，RoIAlign可以保留更精确的空间位置。

首先，我们为什么要用ROIAlign呢 ?
ROI Align 是在Mask-RCNN这篇论文里提出的一种区域特征聚集方式，很好地解决了ROI Pooling操作中两次量化造成的区域不匹配(mis-alignment) 的问题。

这两次量化分别为：

region proposal的x,y,w,hx, y, w, h