Mask R-CNN：目标检测与实例分割的强大模型

Mask R-CNN：目标检测与实例分割的强大模型

Faster R-CNN由两个阶段组成。第一阶段称为区域提议网络（Region Proposal Network，RPN），用于提出候选目标边界框。第二阶段本质上是Fast R-CNN，它通过感兴趣区域池化（RoIPool）从每个候选框中提取特征，并进行分类和边界框回归。

Mask R-CNN采用了相同的两阶段流程，第一阶段与Faster R-CNN相同（即RPN） 。在第二阶段，Mask R-CNN除了预测类别和边界框偏移量之外，还会为每个感兴趣区域（RoI）输出一个二进制掩码。

正式地，在训练过程中，我们在每个采样的RoI上定义一个多任务损失，公式为：
$$L = L_{cls} + L_{box} + L_{mask}$$

掩码分支为每个RoI输出一个 $Km^2$ 维的结果，它编码了 $K$ 个分辨率为 $m×m$ 的二进制掩码，每个类别对应一个掩码。对此，我们对每个像素应用sigmoid函数，并将 $L_{mask}$ 定义为平均二进制交叉熵损失。对于与真实类别 $k$ 相关联的RoI，$L_{mask}$ 仅在第 $k$ 个掩码上定义（其他掩码输出对损失没有贡献）。

论文：Mask R-CNN 1703.06870

本文由mdnice多平台发布