Mask R-CNN算法详解

论文背景

论文名称：Mask R-CNN
论文链接：https://arxiv.org/abs/1703.06870
论文日期：2018.1.24

算法背景

mask rcnn是用来进行instance segmentation，在检测物体的同时，还进行了高质量的segmentation mask，是在faster rcnn的基础上加了一个预测mask的分支，因此，最终会存在三个平行的分支，分别进行classify，location，mask，mask rcnn只是在faster rcnn的顶部加了一点小改进，运行5fps，但是可以完成更多的任务，例如识别人体的姿态。没有附加条款，mask rcnn在所有任务的存在的单一模型中表现最为出色。在Instance segmentation，bounding box object detection，person keypoint detection中表现最为出色。

mask rcnn是一个instance segmentation算法，instance segmentation不仅能分类不同的类，而且能把同一类物体中的多个不同物体分别标记出来，与semantic segmentation不同，semantic segmentation只能分割不同类型的目标，但是同一类目标没有被分别标记，是作为一个整体被检测出来。