2、code见：https://github.com/matterport/Mask_RCNN/tree/master/samples/balloon
代码注释非常详细，还有优化点，可以先看论文再看code
思想：
1、使用FPN作为抽取特征的骨干网络，然后train。
2、train了 FPN后，用于生产proposal，来train 分类器、reg、mask三个loss。
FPN：
图中1号绿色框，使用resnet101的2 3 4 5层，得到特征map => FPN[P2,P3,P4,P5,P6]，第6层是对第五层的max pool.
然后输入原始数据，计算anchors和rpn的输出，通过IOU>0.5得到ROI，ROI类别，、ROImask、ROI_reg,作为计算loss的ground_truth.
分类 reg：
对上面的ROI计算等级，排序取前符合等级的ROI，过两个卷积提取特征，分别再连接一个dense预测类别 和 reg。
mask:
ROI提取同上，经过5个卷积用于计算 mask
画了个草稿图，记录了大体流程：
刚入门cv，所以对于mask rcnn理解可能有点偏差，如有误导，深感抱歉。欢迎一起讨论。
红色框为loss