Mask R-CNN

何恺明等 2017 年提出的实例分割模型，同时输出检测框和每个物体的掩码。

Mask R-CNN 由 Facebook AI Research 的何恺明、Gkioxari、Dollár、Girshick 于 2017 年提出，获 ICCV 2017 马尔奖（最佳论文）。它在两阶段检测器 Faster R-CNN 上，给每个候选区域并行加了一个预测像素级掩码的分支，一个网络同时完成目标检测和实例分割（分出每个物体各占哪些像素），再加分支还能做人体关键点检测。论文提出的 RoIAlign 用双线性插值取代 RoIPool 的取整，消除特征与像素的错位，对掩码精度提升明显。ResNet-101-FPN 版本在 COCO 上掩码 AP 为 35.7，约 5 帧/秒。在机器人领域，它长期是抓取、拣选流程里分割物体的常用基线，如今常被 SAM 系列、Grounded-SAM 等开放词汇方法替代或配合使用。

例子无序抓取流程中，先用在自家零件图片上微调过的 Mask R-CNN 分出料箱里每个零件的掩码，再把掩码对应的点云交给抓取位姿检测模块。

也叫

Mask RCNN

相关

实例分割、目标检测、掩码、分割一切模型、Grounded-SAM、平均精度均值

来源

arXiv: Mask R-CNN
GitHub: facebookresearch/Detectron（注明 Marr Prize at ICCV 2017）