MASK -RCNN

MASK R-CNN

• https://www.bilibili.com/video/BV1bW411w7ZF?from=search&seid=13728655997839278518

• 运行速度还是比较慢的，只能做的5FPS，不能做到实时

• processON 很好的画图工具

• 图像的输入 padding 成1024 ——输入成resNet101

• 得到C1——C5特征层次

• C5 -> 256通道，通过一个 1 X 1的卷积核（调整channel的维度），所以我们得到了P5，P5 乘以 2（反卷积，转置卷积，upsample），加起来得到P4，得到P3，最后得到P2。P5是feature是抽象层次比较高的，P2是比较细力度的。但是有的物体肯能很大，所以我们对P5进行 MAX POOLing，得到P6，P6是仅仅只用于RPN网络（抽象维度特别高 7 X 7,14 X14 ，最后在进行一个 3X 3 的上采样层，消除上采样的混叠效应 。喂入RPN，RPN是同一个网络（shared with ），得到了五个结果。连接在一起，得到一个output，得到三个东西，loss，class，bbox，得到了十几个。筛选几十万个anchor之后，我们使用proposallayer（选择），再选290个anchor【class 为0的，没有物体的框框都丢掉】，得到最后的rpn_rois（精确的一个框框），得到金字塔ROI，根据公示进行计算。如果框比较大，那么就P5抽取ROI对应的，如果框比较小，那么可能选择P2。P2——P5是之前出现过的，最后得到的feature MOI，再放入header层次，（计算位置，以及MASK层次，做instance segmentation ），最后得到了轮廓。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nKO952Ty-1624544305159)(C:\Users\jiang000\AppData\Roaming\Typora\typora-user-images\image-20210624213430204.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ajpb9Qkl-1624544305165)(C:\Users\jiang000\AppData\Roaming\Typora\typora-user-images\image-20210624214510353.png)]