[CLS 02 · 从类别到区域与掩码](/course/notebooks/f9ab632ba16b4f2084669791cba6ba85.html)

# Mask R-CNN：在每个对象区域内预测掩码
[独立阅读](/course/notebook-blocks/12a787367f384e0488a579b23fda1697.html)
主线阅读与优先实验

同图四输出、共享计算、FCN、RoIAlign、信息碰撞与SAM接口

### Mask R-CNN：在每个对象区域内预测掩码

Mask R-CNN 保留检测的区域组织，再为每个区域增加一个像素掩码分支。区域分类/框回归回答对象是什么、在哪里；掩码分支回答该区域中哪些位置属于这个实例。[Mask R-CNN](https://arxiv.org/abs/1703.06870)

若杯一与杯二同属杯子，类别相同也能有两张分别属于它们的掩码。训练要求有对应实例的像素标注；主干可复用，但区域内的精细输出不是只换一个名称就自动出现。

这时我们碰到新的敏感点：分类可能容忍区域平移一点，逐像素边界却可能因此错一排。**边界错了，是读取时发生错位，还是表示里没有留下足够信息？** 先看读取。