yolact 理解

总体思路，还是沿用yolo的检测思路。 Yolo中只是检测了一个个框，那能不能对这一个个框生成对应的mask图呢，肯定是可以的。 因为这些框使用特征层的像素点的anchor来回归的，为什么可以回归，因为框的大小是固定的啊，长度都是4，所以可以回归。但是mask长度不定，当然啊，如果你能够确定每个mask都是用固定数量的点来组成，比如都是30, 那就直接用Yolo来训练即可，但是结果会很粗糙。

所以有另外一点思路上的改进：

将每个框对应的mask图看成是原图在不同特征图上的叠加，然后训练一组参数权重来计算这些叠加最后的图，进行过滤裁剪即可。其实是有道理的，因为在fpn上不同的特征图提取的特征是不一样的，比如有的是背景 ，有的是桌子椅子等，进行不同的权重结合就可以精确的找到桌子和椅子的mask。代码中用的是32张图，这个不是固定的，而是测试出来的。

总结： YOLACT，它摒弃了隐含的特征定位步骤，将实例分割任务拆分成两个并行的子任务：

生成一系列覆盖全图的原型mask；

对每个实例，预测一系列的线性组合系数。最后，在进行推理时，对每一个实例，使用其对应预测出的mask系数，与原型mask简单乘加，然后根据bounding box裁剪，阈值化，即得到每个实例对应的mask。