【发布时间】：2018-02-26 14:38:17
【问题描述】：
论文已经明确提到分类和回归损失与 Faster RCNN 中的 RPN 网络相同。有人可以解释一下 Mask Loss 函数吗？使用FCN如何提高？
【问题讨论】：
标签： deep-learning object-detection
【发布时间】：2018-02-26 14:38:17
【问题描述】：
FCN 使用每像素 softmax 和多项损失。这意味着，掩码预测任务（对象的边界）和类预测任务（被掩码的对象是什么）是耦合的。
Mask-RCNN 将这些任务解耦：现有的边界框预测（AKA 定位任务）头部预测类别，就像 fast-RCNN 一样，并且掩模分支为每个类别生成一个掩模，没有相互竞争类（例如，如果您有 21 个类，则掩码分支预测 21 个掩码，而不是 FCN 的具有 21 个通道的单个掩码）。使用的损失是每像素 sigmoid + 二元损失。
归根结底，它是 Mask-RCNN 中的 Sigmoid 与 FCN 中的 Soft-max。
(See table 2.b. in Mask RCNN paper - Ablation section)。
【讨论】：
-
我有点困惑。在 Mask R-CNN 中有 5 个损失。 RPN Class and BBox and Mask Class, BBox and Mask Loss。在 Fast R-CNN 中，RPN 的第一个输出是 K+1 个类别的概率分布。第二个输出是边界框回归。在 Mask R-CNN 中，RPN 与 Fast R-CNN 相比只有两个类别，这是否正确：对象或非对象？ Mask-Head 有 3 个损失，这里 Mask_BBox 的损失与 RPN_BBox 相同，Mask_Class 的损失与 RPN_class 相同，但与所有 K 个类别的 RPN 不同？
-
你说，21个类预测21个mask，那么在一个类里面怎么区分实例，我的意思是，如果一个mask有一个类所有的实例，怎么划分呢？
Mask R-CNN的多任务损失函数结合了分类损失、定位损失和分割mask：L=Lcls+Lbox+Lmask， 其中 Lcls 和 Lbox 与 Faster R-CNN 中的相同。
掩码分支为每个 RoI 和每个类生成一个维度为 m x m 的掩码；共K班。因此，总输出的大小为 K⋅m^2
因为模型试图为每个类学习一个掩码，所以类之间不存在生成掩码的竞争。
L掩码：
被定义为平均二元交叉熵损失，如果该区域与地面实况类 k 相关联，则仅包括第 k 个掩码。
在哪里 是大小为 m x m 的区域的真实掩码中的单元格 (i, j) 的标签； y^kij 是为 ground-truth 类 k 学习到的 mask 中相同单元格的预测值。
【讨论】：