【论文精读】Mask R-CNN

摘要

       基于Faster RCNN，做出如下改变：

• 添加了用于预测每个感兴趣区域(RoI)上的分割掩码分支，与用于分类和边界框回归的分支并行。mask分支是一个应用于每个RoI的FCN，以像素到像素的方式预测分割掩码，只增加了很小的计算开销，实现了实时分割
• Faster R-CNN不是为网络输入和输出之间的像素到像素对齐而设计的。在RoIPool为特征提取执行粗空间量化过程中，出现特征错位会四舍五入强迫RoI对齐图像特征，这会对后续分支产生计算误差。为解决RoIPool带来的错位，提出一种简单的、无量化的层RoIAlign，精确保留了特征的空间位置

框架

Faster R-CNN

       Faster R-CNN由两个阶段组成。第一阶段称为区域建议网络(RPN)，提出候选目标边界框。 第二阶段为Fast R-CNN，使用RoIPool从每个候选框中提取特征，并执行分类和边界框回归。 两个阶段使用的特征可以共享，以更快地进行推理。

Mask R-CNN

       Mask R-CNN采用与Faster R-CNN相同的两阶段过程，第一阶段(RPN)相同。在第二阶段，与边界框分类和回归并行，Mask R-CNN为每个RoI输出二值掩码，具体为对每个RoI使用全卷积网络FCN预测$m\times m$掩码图。

       在训练期间，损失定义为$L=L_{cls}+L_{box}$