mask rcnn

Mask RCNN

Mask RCNN 中主要改进是在faster rcnn中box regression 的branch 上加入mask prediction branch，能够得到点到点的预测。

主要特点为： 

• mask branch 是一个FCN结构，对每个ROI region  产生k * m*m 的mask 结果，k 为分类类别数。与FCN最大的不同是对分类和分割解耦。假设groundtruth 中目标属于类别k，则损失只和第k个mask 有关，其它mask 不参与损失的计算。每个mask 计算二分类的交叉熵损失（属于此类别或不属于），而不像FCN中计算每个点的softmax 和多分类的交叉熵损失。
• ROIAlign： 对于faster rcnn 中的ROI Pooling，其在生成feature map 多次取整，因此在进行点到点的预测时，会有较大的偏差，在mask rcnn 中采用RoIAlign 层，将ROI Pooling 时对应的[x/16] 转换为x/16, 不进行取整，采用双线性插值使得准确计算每个ROI bin是的位置，保留非整数。