matterport MASKRCNN 总结
随着前3篇使用MASKRCNN进行实例分割的例子，对MASKRCNN有一定的初步了解，个人简单对此进行总结 。本章的内容结构为
- MASKRCNN 开发特点
- MASKRCNN 的不足
边缘精度不够
移动端部署问题
maskrcnnn使用tensorflow 和 keras 写的网络层，其中有一层 batch norm 是自定义的层，所以生成的
H5模型文件转换很困难，并不是标准的KERAS的H5文件转换成TENSORFLOW 的PB .
MASKRCNN在边缘处理中有明显的区分错误，也就是边缘精度不够，
如上图手的位置，maskrcnn 并没有区分出五指的位置。由于这个原因，还要转战于
pytorch的detectron2 ，通过pointrend的算法来实现。
移动端部署，需要将H5模型转换为 tflite 目前github 有给出
https://github.com/gustavz/Mobile_Mask_RCNN ，是基于 mobilenet 做的 。具体的没有尝试转换过程。 英伟达是结合 trt 实现的。过程也并不明了。
在server 部署很简单用python就可以。
做个简单的总述，方便下次参考。
