Detectron-MaskRCnn：Mask判别和获取前向Mask的标签

对于FCN-SceneParse网络，最后卷积生成N个类别的maps,每个Map都得到图像所有点的单类概率。MaskRCNN的结构与FCN不相同。

参考三个文章：

Detectron总结1：Blob的生成 和 generate proposal

Detectron总结2：前向生成数据标签的过程

Detectron总结3：参数设置，直接打开cfg文件，找到train进行设置

Detectron总结4：Detectron测试流程（含Mask和KeyPoint）

获取多个Mask：

对于预测的二值掩膜输出，我们对每个像素点应用sigmoid函数，整体损失定义为平均二值交叉损失熵。 引入预测K个输出的机制，允许每个类都生成独立的掩膜，避免类间竞争。这样做解耦了掩膜和种类预测。不像是FCN的方法，在每个像素点上应用softmax函数，整体采用的多任务交叉熵，这样会导致类间竞争，最终导致分割效果差。

代码段：

获取每一个图像Mask

def getMaskImg( mask,box,image ):
    imageMask = image.copy();
    for i in range(mask.shape[0]):
        for j in range(mask.shape[1]):
            if( mask[i,j]==0 ):
                #imageMask[i,j] = image[i,j]
                #mask[i,j] =254;
                imageMask[i,j,0]=0;
                imageMask[i,j,1]=0;
                imageMask[i,j,2]=0;

    x1 = int(box[0]);
    x2 = int(box[2]);
    y1 = int(box[1]);
    y2 = int(box[3]);
    imageMask = imageMask[y1:y2,x1:x2];

    return imageMask;