yolact结构图

网络backbone可以采用resnet101，resnet50甚至vgg16等。然后有3个分支，1个分支输出目标位置，1个分支输出mask系数，1个分类的置信率，所以决定目标的有4（位置）+k（mask系数）+c（分类置信率）个参数。

检测的大致步骤为：
1.从backbone中取出C3，C4，C5;
2.通过FPN网络生成P3，P4，P5，通过P5生成P6和P7
3.P3通过Protonet生成k个138138的proto原型
4.P3～P7通过Prediction Head网络各生成WxHxa（a为anchor数）个位置（4），mask系数（k）以及置信率信息©:
loc：[None,WxHxa,4]
mask：[None,WxHxa,k]
conf：[None,WxHxa,81]
5.把上面的结果进行fast-nms处理
6.FastNMS的处理结果和Protonet输出的k个138*138的proto原型进行组合运算（叠加，裁切，阈值分割）即