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。