摘要
我们提出了一种概念简单、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。这一方法被称为Mask R-CNN，它是Faster R-CNN的扩展，通过增加一个与现有边界框识别分支并行的对象掩码预测分支来实现。Mask R-CNN训练简便，并且仅在Faster R-CNN的基础上增加了较小的计算开销，运行速度可达每秒5帧。此外，Mask R-CNN易于推广到其他任务，例如在同一框架内估计人体姿态。我们在COCO挑战赛的三个赛道上展示了最佳结果，包括实例分割、边界框目标检测和人体关键点检测。在没有任何额外技巧的情况下，Mask R-CNN在每一项任务中均超过了所有现有的单模型参赛作品，包括COCO 2016挑战赛的获胜者。我们希望这种简单而有效的方法能够作为坚实的基线，并有助于推动未来在实例级识别领域的研究。代码已发布在：https://github.com/facebookresearch/Detectron