源代码： https://github.com/dbolya/yolact
num_class是要放背景的类别，例如，假设你的类别是person，请记住此时的num_class应该是2。 因为也有必要算上背景啊。
在YOLACT的网络结构和输出YOLACT的backbone结构中，_make_layer是普通的resnet101中的_make_layer，具体如何操作是源代码https://github
其中浅蓝色的是今后使用的特征图。
YOLACT的FPN结构
FPN选择backbone结构中的1、2、3作为输入，得到新的输出，即橙色三角形0到4。
YOLACT的proto结构
将FPN中的输出0作为proto的输入，最终得到proto的输出(1，138，138，32 )。
YOLACT的pred_heads结构
中心3表示每个位置有3个预设anchor_box，然后对FPN中的所有特征图进行操作，得到对应的bbox、conf、mask、priors、proto。
还有输出segm。 具体操作如下图所示。
因此，网络训练时的输出包含在preds中
每3358www.Sina.com/anchorbox的预测偏移量，形状为(1，19248，4 )
33558www.Sina.com/anchorbox的类别预测，形状为(1，19248，num_class ) ) )。
'loc'：为论文中指出的mask系数，形状为(1，19248，32 )
'conf'：默认的anchorbox坐标，形状为(19248，4 )
3358与www.Sina.com/mask系数组合使用的分割特性图，形状为(1，138，138，32 )
'mask'：获得类似分割的热曲线。 这里的形状是(1，num _ class-1，69，69 )，我认为segm用于快速收敛网络。
YOLACT的损失函数被具体调用的方法是train.py的类别classnetloss(nn.module )
self.criterion(self.net、preds、targets、masks、num_crowds )下面介绍这些参数。
net :上面的网络结构。
preds :是词典。 上面的红色字体部分是preds词典的内容。
targets :一般的形状是[batch，n，5]，batch是指输入了普通的batchsize，n表示一张图片中有几个对象物体，5中前四个表示对象物体的坐标，第五个数字是
masks :常见的形式是“[batch，n，550，550”，该n不是固定的。 每个Batch图像得到的目标物体数量不同。 这个mask和maskrcnn的是一样的。
num_crowds:(batch，)表示拥挤的程度，0表示不拥挤，1表示拥挤，通常为0。