我们提出了一种概念简洁、灵活且通用的物体实例分割框架。该方法能够高效地检测图像中的物体，同时为每个实例生成高质量的分割掩码。该方法称为Mask R-CNN，它在Faster R-CNN的基础上新增了一个并行分支，用于预测物体的掩码，而原有的分支则继续用于边界框识别。Mask R-CNN训练简单，对Faster R-CNN仅引入少量计算开销，运行速度可达每秒5帧（5 fps）。此外，Mask R-CNN易于推广至其他任务，例如可在同一框架下实现人体姿态估计。我们在COCO挑战赛的三个赛道（包括实例分割、边界框目标检测和人体关键点检测）中均取得了领先结果。在不使用任何额外技巧的情况下，Mask R-CNN在每一项任务上均超越了所有现有单模型方法，包括COCO 2016挑战赛的优胜者。我们希望这一简洁而高效的方法能成为实例级识别任务的坚实基线，助力未来相关研究的发展。代码已开源，地址为：https://github.com/facebookresearch/Detectron