Mask R-CNN个人理解

一、Mask R-CNN

Mask R-CNN算法是在Faster R-CNN架构的基础之上的，它主要有两个贡献：
1、用更精确RoI Align模块来替换RoI Pooling模块
2、从RoI Align模块中插入一个额外的分支----mask 分支
这个mask分支的输入为RoI Align 的输出，然后将其输入到两个conv层，conv层的输出就是mask本身。
Mask R-CNN的架构如下图所示：

图1 Mask R-CNN的架构

在我看来相较于Faster R-CNN，Mask R-CNN的改进在于三个地方：
（1）、使用ResNet-FPN进行特征的提取；
（2）、将Rol Pooling 创造性的修改为Rol Align ；
（3）、头部网络的修改，即增加了一个mask的分支;

1、ResNet-FPN 进行特征提取

FPN结构中包括自下而上，自上而下和横向连接三个部分，如下图所示。这种结构可以将各个层级的特征进行融合，使其同时具有强语义信息和强空间信息。

图2 FPN