对Mask R-CNN的理解

一、Mask R-CNN模型概述

Mask R-CNN算法是在Faster R-CNN架构之上进行改进而提出的，其主要的创新点体现在两个方面：
1、采用更加精准的RoI Align模块替代原有的RoI Pooling模块
2、在RoI Align模块的基础上，新增了一个用于生成掩码的分支——mask分支
该mask分支所接收的输入数据来源于RoI Align模块的输出结果，随后将其传递至两个卷积层进行处理，最终这两个卷积层的输出即为所需的mask信息。
Mask R-CNN的整体结构如图所示：

图1 Mask R-CNN的架构

从个人视角来看，与Faster R-CNN相比，Mask R-CNN在三个关键方面进行了优化：
（1）、采用ResNet-FPN作为特征提取的手段；
（2）、将原有的Rol Pooling方法创新性地调整为Rol Align；
（3）、对头部网络结构进行了调整，具体表现为新增了一个用于生成mask的分支。

1、ResNet-FPN 进行特征提取

FPN架构由自下而上的路径、自上而下的路径以