一文学会Mask RCNN算法及实战-深度学习物体检测【有代码论文】

导读：需要论文和源码的可以扫码加威

 算法能干什么

算法可以用来做“目标检测”、“目标实例分割”、“目标关键点检测”。

算法有什么优点

Mask R-CNN是一个非常灵活的框架，可以增加不同的分支完成不同的任务，可以完成目标分类、目标检测、语义分割、实例分割、人体姿势识别等多种任务，高速、高准确率、简单直观。
这理解是一个概念：实例分割。通常意义上的目标分割指的是语义分割，语义分割已经有很长的发展历史，已经取得了很好地进展，目前有很多的学者在做这方面的研究；然而实例分割是一个从目标分割领域独立出来的一个小领域，是最近几年才发展起来的，与前者相比，后者更加复杂，当前研究的学者也比较少，是一个有研究空间的热门领域

总体架构

Mask-RCNN 大体框架还是 Faster-RCNN 的框架，可以说在基础特征网络之后又加入了全连接的分割子网，由原来的两个任务（分类+回归）变为了三个任务（分类+回归+分割）。Mask R-CNN 是一个两阶段的框架，第一个阶段扫描图像并生成提议即RPN部分（proposals，即有可能包含一个目标的区域），第二阶段分类提议并生成边界框和掩码即MRCNN部分。

总体流程如下

下图是模型每个模块的关系：