Mask R-CNN框架流程图
Mask R-CNN算法的主要步骤为：
首先，将输入图片送入到特征提取网络得到特征图。
然后对特征图的每一个像素位置设定固定个数的ROI（也可以叫Anchor），然后将ROI区域送入RPN网络进行二分类(前景和背景)以及坐标回归，以获得精炼后的ROI区域。
对上个步骤中获得的ROI区域执行论文提出的ROIAlign操作，即先将原图和feature map的pixel对应起来，然后将feature map和固定的feature对应起来。
最后对这些ROI区域进行多类别分类，候选框回归和引入FCN生成Mask，完成分割任务。
Mask Scoring R-CNN框架流程图
Mask Scoring R-CNN主要工作：
（1）添加MaskIoU分支，将Mask head得到的预测Mask二值化，使用二值Mask与GT Mask之间的Mask IoU作为目标，利用L2损失回归这个目标，集成到整个网络进行端到端训练。
（2）将预测的Mask与分类分数相乘，得到新的校准Mask分数作为最终Mask置信度[图片上传失败...(image-134c7d-1583832155147)] ，使得分类分数与MaskIoU有更好的相关性。
