机器学习笔记 - 使用Mask-Rcnn训练自定义数据集

一、Mask R-CNN

         用于实例分割的Mask R-CNN模型已经从之前的三种对象检测架构演变而来：

        R-CNN：将输入图像呈现给网络，在图像上运行选择性搜索，然后使用预训练的 CNN 将选择性搜索的输出区域用于特征提取和分类。

        Fast R-CNN：仍然使用Selective Search算法来获取region proposal，但是增加了Region of Interest (ROI) Pooling模块。从特征图中提取一个固定大小的窗口，并使用这些特征来获得最终的类标签和边界框。好处是网络现在是端到端可训练的。

        Faster R-CNN：引入区域提议网络 (RPN)，将区域提议直接烘焙到架构中，从而减轻对选择性搜索算法的需求。

Mask R-CNN 架构。