YOLOv7-Mask 简要介绍

YOLOv7-Mask 是一种基于 BlendMask 方式获取实例分割掩膜的目标检测模型。

以下是 YOLOv7-Mask 的主要步骤：

1. 合并 Base：

   将基础的 4 个 base 合并为一个 Kx160x160 的 base。此外，YOLOv7-Mask 还额外增加了一个 semantic 的 base(共5个base)。

2. Anchor Bbox 选择：

   选择 N 个目标检测的 anchor bbox 在 base 上进行 ROIAlign，得到 pooled_bases（N，Kx56x56）。

3. Merge 操作：

   将 attns 与 pooled_bases 进行 merge 操作，得到 merge_bases。

4. Attns 差值：

   每个 anchor bbox 对应的 attns 进行差值，得到 attns’（Kx56x56）。

5. Mask 生成：

   将 attns’ 与 pooled_bases 相乘，再按通道叠加起来，得到最终的 mask（N 个 56×56）。

6. NMS 选取：

   进行 NMS（非极大值抑制）选取最优的 mask（56×56）。

7. 缩放与贴图：

   将最优的 mask 按照对应的最优 bbox 尺寸缩放，贴到原图中，即可得到原图下面的实例分割。

与 BlendMask 的区别在于 YOLOv7-Mask 在 Base 部分额外增加了一个 semantic 的 base，以提高模型的语义理解能力。
这里是yolov7-mask的输出：

Attns： output, 779, 819  [1,3,w’, h’, 980]
                980 = 5x14x14 = K×M×M

Anchor：759,799,839 [1, 3, w’, h’, 85]

Base:  651, 719 [4,160,160], [1, 160, 160]

    we need merge the base and the semantic,

    in total [5, 160, 160] = K x W/s x H/s

M 为 14, K为 5