Mask R-CNN
写在前面
Mask R-CNN是ICCV-2017的Best Paper，该算法在单GPU上达到了5fps的速度，并且在COCO数据集的三个挑战赛：instance segmentation、bounding-box object detecton、person keypoint detection中的效果都要优于现有的单模型算法
文章的创新点主要有三个：
- 在Faster RCNN的基础上进行了扩展，新引入了一个并行FCN分支用于实例分割
- 引入了ROIAlign，消除了原来两次量化产生的误差
- Loss function
主要思想
-
FCN分支
Mask-RCNN新引入了FCN的Mask分支
-
ROIAlign
引入了双线性插值，避免了量化带来的误差问题
-
Loss function
网络中的loss L为分类，bbox和mask loss之和
\[L=L_{cls}+L_{box}+L_{mask}\]每个 ROIAlign 对应 K * m^2 维度的输出。K 对应类别个数，即输出 K 个mask，m对应 池化分辨率（7*7）。Loss 函数定义：
\[L_{mask}(cls_k) = Sigmoid (cls_k)\]平均二值交叉熵 （average binary cross-entropy）Loss，通过逐像素的 Sigmoid 计算得到。 为什么用K个mask？通过对每个 Class 对应一个 Mask 可以有效避免类间竞争（其他 Class 不贡献 Loss ）。
开源代码
作者在Detectron开源了论文使用的代码
