Mask R-CNN 源码精读：给 Faster R-CNN 加

2017 年 ICCV 最佳论文 Mask R-CNN，其实没改多少。它只是在 Faster R-CNN 检测框架旁，给每个候选框加了个掩码头。

检测头出框和类别，掩码头出像素 mask。两者共享骨干网络，一次前向全出。

大家以为贡献是“加了头”，真正关键是 RoIAlign。旧 RoIPool 对像素坐标取整，框偏一个像素无所谓。但掩码是像素级的，取整会让边缘错开。

RoIAlign 用双线性插值替代取整，全程无量化。光这一改，掩码精度直接涨了约 10 个点。

掩码按类别预测，每个 RoI 输出 K 个类的掩码。推理时只取检测出的那个类对应的通道。训练时，掩码损失只在正样本上算，跟分类解耦。

官方 Caffe2 代码在 Detectron，想跑直接用 PyTorch 版 Detectron2。COCO 上 ResNet-101 的 box AP 有 40+，mask AP 约 37。

经典不是最新，而是它定了后来者讨论问题的方式。