一、Mask RCNN的优点
1. Mask网络的加入，使Mask-RCNN不仅能处理物体检测问题，还能处理语义分割问题。
2. 对于Faster RCNN的ROI pooling layer两次量化，无法将feature map与原像素精准对齐的问题，Mask RCNN 将ROI pooling替换为ROIAlign。ROIAlign能将像素对齐，满足了图像语义分割的准确度要求。
二、网络模型
- 其中 黑色部分为原来的 Faster-RCNN，红色部分为在 Faster网络上的修改：
- 1）将 Roi Pooling 层替换成了 RoiAlign ；
- 2）添加并列的 FCN 层（mask 层）；
- 3）添加特征提取网络改为了ResNet101+FPN，以强化提取特征的能力 .
三、技术要点
1、ROIAlign
采用 ROIAlign 替代 RoiPooling（改进池化操作）。引入了一个插值过程，先通过双线性插值到14*14，再 pooling到7*7，很大程度上解决了仅通过 Pooling 直接采样带来的 Misalignment 问题。
PS： 虽然 Misalignment 在分类问题上影响并不大，但在 Pixel 级别的 Mask 上会存在较大误差。
2、Loss Function
每个 ROIAlign 对应 K * m^2 维度的输出。K 对应类别个数，即输出 K 个mask，m对应池化分辨率（7*7）。Loss 函数定义：Lmask(Cls_k) = Sigmoid (Cls_k)， 平均二值交叉熵 （average binary cross-entropy）Loss，通过逐像素的 Sigmoid 计算得到。
Why K个mask？通过对每个 Class 对应一个 Mask 可以有效避免类间竞争（其他 Class 不贡献 Loss ）。