Аналіз статті з глибинного навчання, K. He, G. Gkioxari, P. Dollár and R. Girshick, "Mask R-CNN," 2017 IEEE International Conference on Computer Vision (ICCV), (ID:698046)

Огляд проблеми, яка розглядається у статті. В статті розглядається інструмент Mask R-CNN, що використовується для створення фреймворків і сегментації екземплярів. Будується інструмент на основі Faster R-CNN. До створення Mask R-CNN, головними у виявленні об'єктів та семантичній сегментації базовими архітектурами вважалися Fast R-CNN, Faster R-CNN та Full Convolutional Networks. Саме тому для базису розробниками було вибрано Faster R-CNN. Розробники вирішили застосувати той самий підхід для вирішення проблеми сегментації екземплярів, розширивши архітектуру Faster R-CNN. Це було зроблено додавши паралельно гілку для передбачення маски об'єкта паралельно з існуючою гілкою для розпізнавання обмежувальних рамок. Наразі Mask R-CNN отримав позитивні результати, використовуючи лише невеликий оверхед, працюючи на швидкості 5 кадрів в секунду. Окрім того, Mask R-CNN розширює набагато швидше R-CNN. Попри те, що Faster R-CNN була найсучаснішою архітектурою виявлення об'єктів, Mask R-CNN замість того, щоб використовувати інші більш складні методи для досягнення сегментації зображення, застосовує метод, який базується на Faster R-CNN. Паралельно з міткою класу та зміщенням обмежувальної рамки він створює нову гілку архітектури, яка виводить маску об'єкта. Ця нова гілка є повністю згортковою мережею і використовується для збереження просторової орієнтації пікселів, на відміну від повністю зв'язаних шарів.