超级会员免费看
Mask R-CNN是Faster R-CNN的升级版，用于实例分割和2D姿态评估。它引入了ROI Align，通过双线性插值解决ROI Pooling的像素不匹配问题，改进了目标检测的精度。损失函数包括分类、回归和分割损失。网络结构保留了Faster R-CNN的基础，但通过ROI Align提升了分割性能。
Mask R-CNN
（一）论文地址：
https://arxiv.org/abs/1703.06870
（二）核心思想：
作者在 Faster-RCNN 目标检测网络的基础上提出了 Mask R-CNN，先检测出物体，再在检测框内对物体进行像素级的分割，可用于实例分割和 2D 姿态评估；
核心就是作者提出了一种新的 ROI 池化方式—— ROI Align，通过双线性插值的方法，改进了 ROI Pooling 像素不匹配的问题；
（三）Loss 函数：
这里定义了 Mask R-CNN 的 Loss 函数：
L
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
