Mask R-CNN

创新点：

1、multi-task 同时完成classification、bounding box regression and instance segmentation
2、speed and accuracy 都有提升
3、增加了ROIAlign层，改善了从mask图到原图映射不准的问题

概述：

作者提出了一个小巧、灵活的网络结构用于实例物体分割（object instance segmentation）该方法是在faster rcnn的基础上增加一个FCN用于并行预测物体掩模，该方法在COCO数据集的instance segmentation、bounding box object detection and person keypoint detection。

结构及实现：

1、Faster RCNN结构用来进行分类和bbox回归
2、增加一个全卷积网络的部分，FCN用来对提取的ROI进行掩模预测，全卷积部分通过ROIAlign层与Faster RCNN相连。

分类和bbox回归的部分与Faster RCNN 相同，定义损失函数L=Lcls+Lbox+Lmask 分类和回归的损失函数与Faster RCNN相同， Lmask定义为平均二进制交叉熵损失，对于类别K，该损失只与类别K的mask有关，对mask每个像素进行sigmoid运算， Lmask 的定义使得我们只需考虑每个类别的mask，不用考虑不同类别之间的竞争，文中依赖精确的分类确定类别选择输出mask，没有类间竞争。
ROIAlign解决特征图与原图ROI不对准问题：
常用的操作ROIPool是对每个ROI上的小的特征图（eg，7*7）进行操作，将浮点数量化为离散值，然后将ROI分成几个空间小块，最后将这些小块进行合并。量化是将连续的坐标通过四舍五入转为离散值，但是量化的操作会使得特征图与ROI不对准。
ROIAlign避免对ROI边界或者块进行量化，直接用得到的连续值来表示，在ROI bin的4个采样位置上使用插值的方法计算输入特征的精确值，将结果进行合并（max or average）