Mask R-CNN网络模型[49]是2017年由何凯明等提出的一种简单、灵活、通用的实例分割框架，是在Faster R-CNN[50]模型的基础上，添加一个对每个ROI预测的Binary mask分支，是双阶段网络框架，第一阶段网络用于候选区域的提取；第二阶段网络对提取的候选区域进行分类和精确坐标的回归，是属于R-CNN系列的巅峰之作。下面首先介绍R-CNN系列中开山之作R-CNN网络模型[51]，R-CNN网络模型的整体框架图如图2-21。这段话换个表达方式描述出来

Mask R-CNN网络模型是一种实例分割框架，由何凯明等人在2017年提出。它是在Faster R-CNN模型的基础上添加了一个对每个ROI预测的Binary mask分支，采用双阶段网络框架。第一阶段网络用于提取候选区域，第二阶段网络对提取的候选区域进行分类和精确坐标的回归。R-CNN系列中的开山之作是R-CNN网络模型，整体框架如图2-21所示。