mask rcnn算法原理图_Mask RCNN 学习笔记

涉及到的知识点补充：

首先，先看两张图(第一张图来源于论文，第二张图来源于网络)，如下：

(图1)

(图2)

图1：可以看出MaskRCNN在有效检测目标的同时输出高质量的实例分割mask

图2：可以看出MaskRCNN的网络结构，作为FasterRCNN的扩展

1)：用RolAlign代替了RoIPooling，RoIPooling使用取整量化，导致特征图RoI映射回原图RoI时空间不对齐明显，造成误差；RolAlign不使用取整量化而是采用双线性插值，完成像素级的对齐；

2)：FasterRcnn为每个候选对象ROI提供两个输出，一个类标签，一个边界框偏移量，为此，MaskRCNN并行添加了第三个分割mask的分支，mask分支是应用到每一个ROI上的一个小的FCN(Fully Convolutional Network)，以pix2pix的方式预测分割mask。

MaskRCNN具有很好的泛化适应能力，可以和多种RCNN框架结合，比较常见的如：

1)FasterRCNN/ResNet；

2)FasterRCNN/FPN

在接下来的文章介绍中则主要结合FPN网络记录MaskRCNN的工作原理

如果要说清楚MaskRCNN的工作原理，先从数据