1.

对应着图像中的CNN部分，其对输入进来的图片有尺寸要求，需要可以整除2的6次方。在进行特征提取后，利用长宽压缩了两次、三次、四次、五次的特征层来进行特征金字塔结构的构造。Mask-RCNN使用Resnet101作为主干特征提取网络

2.ResNet101有两个基本的块，分别名为Conv Block和Identity Block，其中Conv Block输入和输出的维度是不一样的，所以不能连续串联，它的作用是改变网络的维度；Identity Block输入维度和输出维度相同，可以串联，用于加深网络的。

结构左边为卷积，右边为残差边（short cut），没有残差边维度是不会改变的，所以Conv Block是会改变维度的，而Identity Block是不会改变维度的，

（resnet101整体结构（7，7）是卷积大小，stride为步长

之后长宽被压缩为一半，即（512 X 512）

stride=(1,1)时，输出的图片大小与输入的图片大小一样。

3.有输入filter的值
identity_block有输入三个filter，分别是64 64 256功能：
作为平静结构

原本进行卷积时，通道数：

直接进行3x3卷积参数量比较大，利用平静结构先转1x1卷积压缩通道数，再转为3x3进行卷积之后再转回1x1卷积将通道数返回来，目的是为了减少中间网络的参数量，同时可以提高检测效果，加深网络深度

identity_blok：由平静结构和残差边组成
结构里只有通道数不同，resnet101很多重复的

4.长宽压缩了两次C2、三次C3、四次C4、五次C5的结果来进入特征金字塔结构进行融合，获得P2, P3 P4 P5,他们会作为RPN网络的有效特征层，

5.特征金字塔的构建：