昨天刚看了mask rcnn
先写一点留有的印象
mask rcnn是在faster rcnn的基础上，又添加了一个并行的分支，用来做实例分割。
并且将之前的RoIPooling 替换为了 RoIAlign，使用RoIAlign的优势是，使用双线性插值，能将操作前的信息更加具体的保留下来，从而有利于进行实例分割。
mask rcnn的论文相对简单，在实例分割时，使用了FCN，现在能想起来的，大概就这么多。
mask rcnn的关键 RoIAlign，是将RoIPooling的插值方式，从最近邻插值（INTER_NEAREST）方式变为双线性插值。
这里复习一下关于RoI，RoIPooling的知识
RoI是Region of Interests 特征图上感兴趣的区域（“框”）
RoIPooling的过程是将一个个大小不同的box框，都映射成固定大小（w*h）的矩形框
具体操作是：先把RoI中的坐标映射到feature map上，得到feature map上的坐标后，使用Pooling得到输出，在Pooling过程中需要计算Pooling后的结果对应到feature map上所占的范围，然后在那个范围中进行取max或average操作。使用RoIPooling会在RoI和extracted features之间引入误差（introduce misalignments）。
所以使用RoIAlign 来解决这个问题。
论文中还和RoIWarp（J. Dai, K. He, and J. Sun. Instance-aware semantic segmentation via multi-task network cascades. In CVPR, 2016. 2, 3,4, 5, 6 ）进行了比较，实验结果表明RoIAlign的效果要好于 RoIWarp。
尝试了两种不同的faster rcnn的结构，ResNet C4和FPN结构。
从图中可以看到，ResNet C4共享RoI层，而FPN是两个任务分开做RoI。
mask Loss 只定义在了正例的RoIs上。
在该文章中RPN和 mask分支，训练时，不共享特征；对于前边的特征提取，RPN和mask共享基础网络结构。
