【实例分割】Mask R-CNN论文总结

1、Mask R-CNN网络的整体结构：

    RPN + ROIAlign + Fast R-CNN + FCN,如图：

2、Mask R-CNN概念

Faster R-CNN为每个候选目标输出一个类标签和一个边框偏移量。我们添加了一个输出目标掩模的第三条分支。附加的掩模输出与类输出和边框输出不同，需要提取对象更精细的空间布局。

Mask R-CNN采用相同的两级，第一级是完全相同的（即RPN）。在第二级，与预测（类和边框偏移）并行，Mask R-CNN还会为每一个RoI输出一个二分类掩模。

核心部分参考：https://blog.csdn.net/xiamentingtao/article/details/78598511

                         https://blog.csdn.net/WZZ18191171661/article/details/79453780

详解 ROI Align 的基本原理和实现细节：http://blog.leanote.com/post/[email protected]/b5f4f526490b