Mask RCNN是大神Kaiming He的一大神作。
1、概述
Mask RCNN主要是再Faster RCNN上进行了一些调整（将RoIpooling层替换为了RoIAlign层），并且在RoIAlign后增加了一个进行instance segmentation的分支。
上图展示了一个Mask RCNN的网络结构，用RoIAlign来代替RoIpooling部分，并且在分类与回归中添加了并列的分支FCN（mask层）
2、loss function
训练中，文章定义了多个任务的损失是对每一个RoI有，其中的前两个损失是同faster RCNN中一样的定义，而第三个损失
是mask层的损失计算。mask对应的每个RoI的输出维度是
，表示K个类别共有K个mxm的二进制掩码【论文中m*m对应池化分辨率7*7，通过对每个class对应一个mask可以有效地避免同类竞争】，这里使用的是per-pixel sigmoid【在论文中有与per-pixel softmax进行对比】，将损失函数定义为L_mask average binary cross-entropy，loss只定义在有对应gt的mask上，其他mask不对loss有贡献值。
3、RoIAlign【重点推荐：一篇不错的文】
论文比较主要的地方是用RoIAlign来代替RoIpooling，因为原来的faster RCNN是无需做实例分割的，而实例分割是需要在pixel级别上有较高的精确度，但是因为RoIpooling的量化操作，使其对实力分割上的一个精度会比较低，因此作者就提出了使用RoIAlign来代替RoIpooling。
- RoIpooling的操作主要是为了将不同尺寸的feature map操作成尺寸一样大小的feature。
- RoIAlign没有像RoIpooling那样做量化操作【in paper, use x/16 instead of round(x/16)】，并且使用了双线性插值to compute the exact values of the input features at four regularly sampled locations in each RoI bin, and aggregate the result(using max or average)【具体细节等看完代码吧】。
一张来自上面的链接博文的比较好的图。【理解：RoIAlign的RoI的边界无需量化取整，而是如图中RoIAlign部分，将得到的RoIAlign，框的边界仍然取浮点数，此时，在每个bin（最终需要得到的尺寸的规模为t*t，那么有t*t个bins）中取样四个点【平均取的四个点？】】,四个点的值由邻近的feature map的pixel值通过双线性插值法来取得，最后将这四个采样点的值进行max或average来作为这个bin的值，最终可得到尺寸大小一样的RoI所对应的更加精确的feature map区域值。 第三种方法是使用了积分的方法，链接博文中说会更加精确，但是会比较耗时。】
4、结果对比
5、Mask RCNN扩展——
