Mask R CNN

一、前言 本文提出了一个概念上简单且灵活通用的目标分割框架——Mask R-CNN Mask R-CNN能有效地检测图像中的目标,同时能为每个实例生成高质量的分割掩码 Mask R-CNN训练简单,相对于Faster R-CNN,只需增加一个较小的开销,运行速度可达5 FPS,且很容易推广到其他任务中 二、模型与方法 2.1 设计思路 由于Fast/Faster R-CNN和FCN的出现,使得目标检测和语义分割的效果在短时间得到了很大改善 目标分割它需要正确检测图像中的所有目标,同时也要精确地分割每个目标 目标检测的目的是对目标进行分类,并使用边界框定位每个目标,既是语义分割,又是另一种形式的