Mask RCNN的损耗函数是什么？

Question

本文明确提到分类和回归损失与更快的RCNN中的RPN网络相同。有人可以解释面具损失功能。如何使用FCN改进？

Answer 1

FCN使用每像素softmax和多项式损失。这意味着，掩模预测任务（对象的边界）和类预测任务（被屏蔽的对象是什么）是耦合的​​。
Mask-RCNN解耦这些任务：现有的边界框预测（AKA，本地化任务）头预测类，如更快的RCNN，并且掩码分支为每个类生成一个掩码，而没有竞争类（例如，如果您有21个类，则掩码分支预测21个掩码，而不是FCN的单个掩码，具有21个通道）。使用的损失是每像素sigmoid +二进制损失 最重要的是，它是Mask-RCNN中的Sigmoid与FCN中的Soft-max （See table 2.b. in Mask RCNN paper - Ablation section）。

Answer 2

Mask R-CNN的多任务丢失功能结合了分类，定位和分割蒙版的丢失：L = Lcls + Lbox + Lmask， Lcls和Lbox与Faster R-CNN中的相同。

mask分支为每个RoI和每个类生成尺寸为m x m的蒙版；总共K个课程。因此，总输出大小为K⋅m^ 2

由于该模型正在尝试为每个班级学习一个遮罩，因此在各个类别之间没有竞争可生成遮罩。

Lmask：

被定义为平均二进制交叉熵损失，如果该区域与地面真相类别k相关联，则仅包括第k个掩模。

其中yij 是真掩模中大小为m x m的区域中的单元格（i，j）的标签； y ^ kij是针对地面真理类别k所学习的掩码中相同单元的预测值。