diff --git "a/\344\275\225\346\201\272\346\230\216/Faster R-CNN.md" "b/\344\275\225\346\201\272\346\230\216/4 - Faster R-CNN.md"
similarity index 95%
rename from "\344\275\225\346\201\272\346\230\216/Faster R-CNN.md"
rename to "\344\275\225\346\201\272\346\230\216/4 - Faster R-CNN.md"
index d3662b8c860eca095c8b068b72abb384a3f54ba2..0fb264d10f63c0a119123ea8e683da78b1dfabe9 100644
--- "a/\344\275\225\346\201\272\346\230\216/Faster R-CNN.md"	
+++ "b/\344\275\225\346\201\272\346\230\216/4 - Faster R-CNN.md"	
@@ -1,120 +1,122 @@
-# 贡献
-
-引入Region Proposal Network（RPN），从而更迅速地给出候选区域；并把RPN与Fast R-CNN无缝整合，从而能被端到端训练。
-
-# 3.Faster R-CNN模型结构
-
-RPN和Fast R-CNN共同构成了Faster R-CNN。
-
-RPN用于给出候选框，是一个深度全卷积网络，基于「注意力」[31]机制。
-
-## 3.1 RPN
-
-RPN以任意尺寸图片为输入，以若干候选框为输出，每个候选框有「存在感」（objectness）打分。
-
-> 「存在感」是我自己的翻译
-
-RPN是一个深度全卷积网络，由两部分组成：
-
-**（1）编码器。** 作者采用VGG16的卷积部分作为编码器。
-
-> 后文提到，作者竭力让Fast R-CNN和RPN用同一个编码器。
-
-**（2-v1）小滑动网络。** 用一个$$n\times n$$的窗口在（1）所提取的卷积特征上滑动，把窗口所覆盖的卷积特征输入给一个中间层。中间层从每个滑窗位置生成一根低维向量（如512维）；经过ReLU激活后，输入至两个全连接层：①边框回归层、②边框分类层。作者选$$n=3$$。
-
-**（2-v2）尾部网络。** 刚刚还说了RPN是全卷积网络，怎么它的组成部分「小滑动网络」里有了全连接层？
-
-这是一种算法层面的化简。作者发现，全连接层是跟着滑窗走的，被各个滑窗位置共享。因此作者想到把小滑动网络改进为：一个$$n\times n$$卷积层 + 两个并列的$$1\times 1$$卷积层。这两个1x1卷积层分别预测anchor分类和anchor边框。
-
-### 3.1.1 Anchor
-
-Anchor是RPN的输出，是候选区域/RoI的前身。
-
-RPN从每个滑窗位置预测出多个（$$\le k$$ 个）Anchor。==Anchor是以滑窗中心为中心的方框==。每个方框有其关联的尺度和长宽比。作者划定3级尺度、3种长宽比，故作者的$$k=9$$。可以说，每个滑窗位置预测出一个==Anchor金字塔==。
-
-对于宽高为$$W, H$$的特征图，RPN能给出至多（通常是恰好）$$WHk$$ 个Anchor。
-
-所谓「金字塔」，就是「多尺度搭配」。在本文以前出现过的金字塔有如下类别，往往会搭配使用：
-
-* 图像金字塔（把输入图像缩放到不同尺度）
-* 特征金字塔（把特征图缩放到不同尺度）
-* 滑窗/滤波器金字塔（用不同感受野的滑窗/滤波器）
-
-### 3.1.2 损失函数
-
-以anchor及其标签、答案框为输入。把anchor标记为两类：①是物体，②是背景。【也就是objectness】
-
-#### 训练数据
-
-==如下2种anchor标记为「物体」，并把所依据的答案框作为anchor的答案框：==
-
-**a.** 存在一个答案框，与该anchor满足$$IoU>0.7$$。
-
-极稀少情况下，找不到如a所述的anchor，则采用
-
-**b.** 对任意答案框，与其IoU最大的anchor(s)。
-
-==如下1种anchor标记为「背景」，没有答案框：==
-
-**a.** 对任意答案框，与anchor满足$$IoU<0.3$$。
-
-#### 效仿Fast R-CNN的损失函数
-
-效仿Fast R-CNN[2]的「多任务损失」，对单张输入图片，损失函数定义为：
-$$
-L\left( P,T \right) =\frac{1}{B}\sum_i{L_{\mathbb{C}}\left( p_i,\bar{p}_i \right)}\,\,+\,\,\lambda \frac{1}{A}\sum_i{\bar{p}_i\cdot L_{\mathbb{R}}\left( t_i,\bar{t}_i \right)}
-$$
-
-* $$P$$ - 一个批次的分类及答案
-* $$T$$ - 一个批次的anchor及答案框
-* $$i$$ - anchor在批次中的索引
-* $$p_i$$ - 第$$i$$个anchor是「物体」的概率
-* $$\bar{p}_i$$ - 第$$i$$个anchor的答案
-  * $$\bar{p}_i=1$$ 物体
-  * $$\bar{p}_i=0$$ 背景
-* $$t_i$$ - 第$$i$$个anchor的框。$$t_i=\left(x_i, y_i, w_i, h_i\right) $$ 。其中$$x, y$$是中点坐标、$$w, h$$是宽高
-* $$\bar{t}_i$$ - 第$$i$$个anchor的答案框。$$\bar{t}_i=\left(\bar{x}_i, \bar{y}_i, \bar{w}_i, \bar{h}_i\right)$$ 
-* $$L_{\mathbb{C}}$$ - 二分类LogLoss【难道是BCE？】
-* $$L_{\mathbb{R}}$$ - 如Fast R-CNN[2]所述的「Smooth L1 Loss」
-* $$B$$ - 批次大小
-* $$A$$ - 每张图片Anchor数量
-* $$\lambda$$ - 超参数
-
-#### 改进的边框回归方程
-
-在SPPnet[1]和Fast R-CNN[2]中，边框回归以RoI、特征图、答案框为输入，不关注RoI尺寸。
-
-**作者保留了：**
-
-* R-CNN[5]提到的回归方程
-* 在特征图上做边框回归
-
-**作者改进了：**
-
-为每种尺度、每种长宽比的anchor设立一组回归方程，每组回归方程有一套回归参数。故模型有$$k$$组回归方程需要优化求解。
-
-### 3.1.3 训练RPN
-
-训练RPN
-
-## 3.2 一起训练RPN和Fast R-CNN
-
-虽然RPN和Fast R-CNN拥有相同的编码器结构，单独训练这两个网络却会得到不同的两组参数。
-
-作者提出训练方案：
-
-（1）交替训练【作者说这招最实用】
-
-* 按3.1.3所述训练RPN
-* 用RPN生成的候选区域来训练Fast R-CNN。注意Fast R-CNN和RPN各持有一个VGG编码器实例
-* 用Fast R-CNN的编码器参数覆盖RPN的编码器参数
-* 精调RPN的尾部网络
-
-（2）近似联合训练。Figure 2。
-
-（3）非近似联合训练。上一个方案不能对anchor坐标求导。这一个方案把anchor坐标也加入到RoI池化层的输入，因此要求RoI池化层对anchor坐标可导。作者提到RoI变形（warping）层[15]，但受限于篇幅，没有展开。
-
-# 重要参考文献
-
-[^15]: Instance-aware semantic segmentation via multi-task network cascades.
-
+# 贡献
+
+* 引入Region Proposal Network（RPN），从而更迅速地给出候选区域。 
+
+* 把RPN与Fast R-CNN无缝整合，从而能被端到端训练。
+
+# 3.Faster R-CNN模型结构
+
+RPN和Fast R-CNN共同构成了Faster R-CNN。
+
+RPN用于给出候选框，是一个深度全卷积网络，基于「注意力」[31]机制。
+
+## 3.1 RPN
+
+RPN以任意尺寸图片为输入，以若干候选框为输出，每个候选框有「存在感」（objectness）打分。
+
+> 「存在感」是我自己的翻译
+
+RPN是一个深度全卷积网络，由两部分组成：
+
+**（1）编码器。** 作者采用VGG16的卷积部分作为编码器。
+
+> 后文提到，作者竭力让Fast R-CNN和RPN用同一个编码器。
+
+**（2-v1）小滑动网络。** 用一个$$n\times n$$的窗口在（1）所提取的卷积特征上滑动，把窗口所覆盖的卷积特征输入给一个中间层。中间层从每个滑窗位置生成一根低维向量（如512维）；经过ReLU激活后，输入至两个全连接层：①边框回归层、②边框分类层。作者选$$n=3$$。
+
+**（2-v2）尾部网络。** 刚刚还说了RPN是全卷积网络，怎么它的组成部分「小滑动网络」里有了全连接层？
+
+这是一种算法层面的化简。作者发现，全连接层是跟着滑窗走的，被各个滑窗位置共享。因此作者想到把小滑动网络改进为：一个$$n\times n$$卷积层 + 两个并列的$$1\times 1$$卷积层。这两个1x1卷积层分别预测anchor分类和anchor边框。
+
+### 3.1.1 Anchor
+
+Anchor是RPN的输出，是候选区域/RoI的前身。
+
+RPN从每个滑窗位置预测出多个（$$\le k$$ 个）Anchor。==Anchor是以滑窗中心为中心的方框==。每个方框有其关联的尺度和长宽比。作者划定3级尺度、3种长宽比，故作者的$$k=9$$。可以说，每个滑窗位置预测出一个==Anchor金字塔==。
+
+对于宽高为$$W, H$$的特征图，RPN能给出至多（通常是恰好）$$WHk$$ 个Anchor。
+
+所谓「金字塔」，就是「多尺度搭配」。在本文以前出现过的金字塔有如下类别，往往会搭配使用：
+
+* 图像金字塔（把输入图像缩放到不同尺度）
+* 特征金字塔（把特征图缩放到不同尺度）
+* 滑窗/滤波器金字塔（用不同感受野的滑窗/滤波器）
+
+### 3.1.2 损失函数
+
+以anchor及其标签、答案框为输入。把anchor标记为两类：①是物体，②是背景。【也就是objectness】
+
+#### 训练数据
+
+==如下2种anchor标记为「物体」，并把所依据的答案框作为anchor的答案框：==
+
+**a.** 存在一个答案框，与该anchor满足$$IoU>0.7$$。
+
+极稀少情况下，找不到如a所述的anchor，则采用
+
+**b.** 对任意答案框，与其IoU最大的anchor(s)。
+
+==如下1种anchor标记为「背景」，没有答案框：==
+
+**a.** 对任意答案框，与anchor满足$$IoU<0.3$$。
+
+#### 效仿Fast R-CNN的损失函数
+
+效仿Fast R-CNN[2]的「多任务损失」，对单张输入图片，损失函数定义为：
+$$
+L\left( P,T \right) =\frac{1}{B}\sum_i{L_{\mathbb{C}}\left( p_i,\bar{p}_i \right)}\,\,+\,\,\lambda \frac{1}{A}\sum_i{\bar{p}_i\cdot L_{\mathbb{R}}\left( t_i,\bar{t}_i \right)}
+$$
+
+* $$P$$ - 一个批次的分类及答案
+* $$T$$ - 一个批次的anchor及答案框
+* $$i$$ - anchor在批次中的索引
+* $$p_i$$ - 第$$i$$个anchor是「物体」的概率
+* $$\bar{p}_i$$ - 第$$i$$个anchor的答案
+  * $$\bar{p}_i=1$$ 物体
+  * $$\bar{p}_i=0$$ 背景
+* $$t_i$$ - 第$$i$$个anchor的框。$$t_i=\left(x_i, y_i, w_i, h_i\right) $$ 。其中$$x, y$$是中点坐标、$$w, h$$是宽高
+* $$\bar{t}_i$$ - 第$$i$$个anchor的答案框。$$\bar{t}_i=\left(\bar{x}_i, \bar{y}_i, \bar{w}_i, \bar{h}_i\right)$$ 
+* $$L_{\mathbb{C}}$$ - 二分类LogLoss【难道是BCE？】
+* $$L_{\mathbb{R}}$$ - 如Fast R-CNN[2]所述的「Smooth L1 Loss」
+* $$B$$ - 批次大小
+* $$A$$ - 每张图片Anchor数量
+* $$\lambda$$ - 超参数
+
+#### 改进的边框回归方程
+
+在SPPnet[1]和Fast R-CNN[2]中，边框回归以RoI、特征图、答案框为输入，不关注RoI尺寸。
+
+**作者保留了：**
+
+* R-CNN[5]提到的回归方程
+* 在特征图上做边框回归
+
+**作者改进了：**
+
+为每种尺度、每种长宽比的anchor设立一组回归方程，每组回归方程有一套回归参数。故模型有$$k$$组回归方程需要优化求解。
+
+### 3.1.3 训练RPN
+
+训练RPN
+
+## 3.2 一起训练RPN和Fast R-CNN
+
+虽然RPN和Fast R-CNN拥有相同的编码器结构，单独训练这两个网络却会得到不同的两组参数。
+
+作者提出训练方案：
+
+（1）交替训练【作者说这招最实用】
+
+* 按3.1.3所述训练RPN
+* 用RPN生成的候选区域来训练Fast R-CNN。注意Fast R-CNN和RPN各持有一个VGG编码器实例
+* 用Fast R-CNN的编码器参数覆盖RPN的编码器参数
+* 精调RPN的尾部网络
+
+（2）近似联合训练。Figure 2。
+
+（3）非近似联合训练。上一个方案不能对anchor坐标求导。这一个方案把anchor坐标也加入到RoI池化层的输入，因此要求RoI池化层对anchor坐标可导。作者提到RoI变形（warping）层[15]，但受限于篇幅，没有展开。
+
+# 重要参考文献
+
+[^15]: Instance-aware semantic segmentation via multi-task network cascades.
+
diff --git "a/\344\275\225\346\201\272\346\230\216/Faster R-CNN.pdf" "b/\344\275\225\346\201\272\346\230\216/4 - Faster R-CNN.pdf"
similarity index 100%
rename from "\344\275\225\346\201\272\346\230\216/Faster R-CNN.pdf"
rename to "\344\275\225\346\201\272\346\230\216/4 - Faster R-CNN.pdf"
diff --git "a/\344\275\225\346\201\272\346\230\216/Focal Loss + RetinaNet.pdf" "b/\344\275\225\346\201\272\346\230\216/5 - Focal Loss + RetinaNet.pdf"
similarity index 100%
rename from "\344\275\225\346\201\272\346\230\216/Focal Loss + RetinaNet.pdf"
rename to "\344\275\225\346\201\272\346\230\216/5 - Focal Loss + RetinaNet.pdf"
diff --git "a/\344\275\225\346\201\272\346\230\216/Focal Loss + RetinaNet.xmind" "b/\344\275\225\346\201\272\346\230\216/5 - Focal Loss + RetinaNet.xmind"
similarity index 66%
rename from "\344\275\225\346\201\272\346\230\216/Focal Loss + RetinaNet.xmind"
rename to "\344\275\225\346\201\272\346\230\216/5 - Focal Loss + RetinaNet.xmind"
index 8d183f5d1f13b40f905189ae44c6cf9bcee439d8..63f916a5070d0421fb828e01e898ba2db1463c7a 100644
Binary files "a/\344\275\225\346\201\272\346\230\216/Focal Loss + RetinaNet.xmind" and "b/\344\275\225\346\201\272\346\230\216/5 - Focal Loss + RetinaNet.xmind" differ
diff --git "a/\344\275\225\346\201\272\346\230\216/FPN.pdf" "b/\344\275\225\346\201\272\346\230\216/6 - FPN.pdf"
similarity index 100%
rename from "\344\275\225\346\201\272\346\230\216/FPN.pdf"
rename to "\344\275\225\346\201\272\346\230\216/6 - FPN.pdf"
diff --git "a/\344\275\225\346\201\272\346\230\216/FPN.xmind" "b/\344\275\225\346\201\272\346\230\216/6 - FPN.xmind"
similarity index 100%
rename from "\344\275\225\346\201\272\346\230\216/FPN.xmind"
rename to "\344\275\225\346\201\272\346\230\216/6 - FPN.xmind"
diff --git "a/\344\275\225\346\201\272\346\230\216/Mask R-CNN.md" "b/\344\275\225\346\201\272\346\230\216/7 - Mask R-CNN.md"
similarity index 97%
rename from "\344\275\225\346\201\272\346\230\216/Mask R-CNN.md"
rename to "\344\275\225\346\201\272\346\230\216/7 - Mask R-CNN.md"
index 0b57ba3b065d4a1f0ac20287ec23a7471248d1fa..a2a285b8b9f60df5f6f47c8094e3db1051181a47 100644
--- "a/\344\275\225\346\201\272\346\230\216/Mask R-CNN.md"	
+++ "b/\344\275\225\346\201\272\346\230\216/7 - Mask R-CNN.md"	
@@ -1,111 +1,111 @@
-# 贡献
-
-给Faster R-CNN添加分割分支，从而为每个RoI预测一个掩模，实现实例分割。
-
-把RoIPool改成RoIAlign，从而保留精确的位置，让输出像素和输入像素对齐。
-
-发现「分别做多分类和二值分割」，比「做多类分割」好。
-
-# 3. 模型
-
-Mask R-CNN说起来简单——只是为Faster R-CNN增加一个分割分支。但做起来不易——分割需要更精细的位置信息，需要输出像素与输入像素的对齐。
-
-## 3.1. Mask R-CNN的结构
-
-Mask R-CNN大致结构分为两部分：RPN和检测器。RPN见Faster R-CNN。检测器由 **主干** 后接三个并列的 **头部（解码器）** 组成，分别为
-
-* **CLS**，用于**分类**。给出RoI是K个目标类或1个背景类的概率。
-* **BOX**，用于**框选**。给出K个目标类的目标框。
-* **SEG**，用于**分割**。给出K个目标类的目标掩模。
-
-注意，RPN和Fast R-CNN共享主干模型。
-
-> 术语：主干backbone≈编码器encoder，头head≈尾tail≈解码器decoder
-
-**主干结构有较广泛的选择：**
-
-* ResNet[19]、ResNeXt[45]
-* Feature Pyramid Network (FPN)[27]
-
-**头部结构：** Figure 4
-
-## 3.3. RoIAlign
-
-SEG分支的输入是RoI特征，而不是原图。RoI特征的尺度远小于原图。故直接在RoI特征上分割会使分割的位置不准确。为了让RoI特征无损保留位置信息，作者提出RoIAlign层。
-
-**RoIPool层暗含两次取整：**
-
-① 把浮点坐标映射到特征图上。设特征图的步长为s，则特征图的长宽和原图比缩小s倍。从而特征图上的位置$$\left( x', y' \right) $$与源位置$$\left( x, y \right)$$ 的关系为
-$$
-x'=\left[ x/s \right] ,  y'=\left[ y/s \right]
-$$
-其中，方括号为某种取整方式。
-
-② 对每个小格的像素长宽取整。【特征图的像素长宽不一定能被网格行列数整除】
-
-==缺点：我们不可能从取整后的特征图坐标还原出原图坐标。位置不准，则分割不准。==
-
-**RoIAlign层消除取整**
-
-RoIAlign层是==改进的RoIPool层==。
-
-如Figure 3. ① 该层在网格的每个小格里均匀地放置M个采样点
-
-② 把网格和采样点按照$$x'=x/s,  y'=y/s$$【不取整！】的变换方式摆放到特征图上
-
-③ 在特征图的各个通道，用双线性插值求出各采样点的像素值
-
-④ 在特征图的各通道、网格的各小格，找到采样点的最大值
-
-## 3.2. 损失函数
-
-==第 $$i$$ 个RoI==的损失函数定义为
-$$
-L^{\left( i \right)}=L_{\mathbf{CLS}}^{\left( i \right)}+L_{\mathbf{BOX}}^{\left( i \right)}+L_{\mathbf{SEG}}^{\left( i \right)}
-$$
-其中，前两项（CLS、BOX）沿袭Faster R-CNN[12]。
-
-对第三项需要特别注意。尽管分割尾输出K张$$m\times m$$的二值mask，但计算SEG损失时，要a. ==只计算答案类上的BCE损失==。而不是~~b. 对所有类的BCE失求平均。~~
-
-作者认为，b方案会导致来自不同类的梯度相互抵消，产生**类间竞争**。典型的FCN分割网络对每个像素采用Softmax+多项交叉熵损失，这会带来类间竞争。而作者的SEG分支对每个像素采用Sigmoid+二项交叉熵损失，这直接铲除了类间竞争的土壤。
-
-> 在后文，作者用实验说明了，消除类间竞争对实例分割是关键的。
-
-
-
-# 4.2. 消融实验
-
-作者设计了一系列消融实验，结果记录在Table 2。
-
-## （一）主干模型
-
-从**Table 2a**可以看出，Mask R-CNN能受益于更深的网络、更先进的设计（如FPN、ResNeXt）。
-
-并非所有模型能受益于上述因素，详见评测[21]。
-
-## （二）Mask的通道数
-
-Mask R-CNN**坚持使用单通道mask**，也就是为RoI在每个类预测一张Mask【方案1】。
-
-从**Table 2b**可以看出，如果使用FCN惯用的多通道mask【方案2】，则AP会显著下降。
-
-方案1的实现：Sigmoid + BCEs
-
-方案2的实现：Softmax + CE
-
-## （三）可不可以预测一个Mask？
-
-可以。
-
-仅为RoI预测一个object mask，而不关心object是什么类别。和「每类一mask」相媲美。
-
-【这个版本怎么实现呢？】
-
-## （四）RoIAlign
-
-* RoIAlign提高IoU 【Table 2c中，使用RoIAlign能提高AP75】
-* RoIAlign用max/avg效果差别不大
-* 消除取整很关键【Table 2c中，RoIWarp只比RoIPool略好点。RoIWarp没有去掉RoIPool的第一次取整】
-* 编码器步长越大，i.e. 层数越多，RoIAlign作用越大【Table 2d】
-* 关键点检测任务也能受益于RoIAlign【Table 6】
-
+# 贡献
+
+给Faster R-CNN添加分割分支，从而为每个RoI预测一个掩模，实现实例分割。
+
+把RoIPool改成RoIAlign，从而保留精确的位置，让输出像素和输入像素对齐。
+
+发现「分别做多分类和二值分割」，比「做多类分割」好。
+
+# 3. 模型
+
+Mask R-CNN说起来简单——只是为Faster R-CNN增加一个分割分支。但做起来不易——分割需要更精细的位置信息，需要输出像素与输入像素的对齐。
+
+## 3.1. Mask R-CNN的结构
+
+Mask R-CNN大致结构分为两部分：RPN和检测器。RPN见Faster R-CNN。检测器由 **主干** 后接三个并列的 **头部（解码器）** 组成，分别为
+
+* **CLS**，用于**分类**。给出RoI是K个目标类或1个背景类的概率。
+* **BOX**，用于**框选**。给出K个目标类的目标框。
+* **SEG**，用于**分割**。给出K个目标类的目标掩模。
+
+注意，RPN和Fast R-CNN共享主干模型。
+
+> 术语：主干backbone≈编码器encoder，头head≈尾tail≈解码器decoder
+
+**主干结构有较广泛的选择：**
+
+* ResNet[19]、ResNeXt[45]
+* Feature Pyramid Network (FPN)[27]
+
+**头部结构：** Figure 4
+
+## 3.3. RoIAlign
+
+SEG分支的输入是RoI特征，而不是原图。RoI特征的尺度远小于原图。故直接在RoI特征上分割会使分割的位置不准确。为了让RoI特征无损保留位置信息，作者提出RoIAlign层。
+
+**RoIPool层暗含两次取整：**
+
+① 把浮点坐标映射到特征图上。设特征图的步长为s，则特征图的长宽和原图比缩小s倍。从而特征图上的位置$$\left( x', y' \right) $$与源位置$$\left( x, y \right)$$ 的关系为
+$$
+x'=\left[ x/s \right] ,  y'=\left[ y/s \right]
+$$
+其中，方括号为某种取整方式。
+
+② 对每个小格的像素长宽取整。【特征图的像素长宽不一定能被网格行列数整除】
+
+==缺点：我们不可能从取整后的特征图坐标还原出原图坐标。位置不准，则分割不准。==
+
+**RoIAlign层消除取整**
+
+RoIAlign层是==改进的RoIPool层==。
+
+如Figure 3. ① 该层在网格的每个小格里均匀地放置M个采样点
+
+② 把网格和采样点按照$$x'=x/s,  y'=y/s$$【不取整！】的变换方式摆放到特征图上
+
+③ 在特征图的各个通道，用双线性插值求出各采样点的像素值
+
+④ 在特征图的各通道、网格的各小格，找到采样点的最大值
+
+## 3.2. 损失函数
+
+==第 $$i$$ 个RoI==的损失函数定义为
+$$
+L^{\left( i \right)}=L_{\mathbf{CLS}}^{\left( i \right)}+L_{\mathbf{BOX}}^{\left( i \right)}+L_{\mathbf{SEG}}^{\left( i \right)}
+$$
+其中，前两项（CLS、BOX）沿袭Faster R-CNN[12]。
+
+对第三项需要特别注意。尽管分割尾输出K张$$m\times m$$的二值mask，但计算SEG损失时，要a. ==只计算答案类上的BCE损失==。而不是~~b. 对所有类的BCE失求平均。~~
+
+作者认为，b方案会导致来自不同类的梯度相互抵消，产生**类间竞争**。典型的FCN分割网络对每个像素采用Softmax+多项交叉熵损失，这会带来类间竞争。而作者的SEG分支对每个像素采用Sigmoid+二项交叉熵损失，这直接铲除了类间竞争的土壤。
+
+> 在后文，作者用实验说明了，消除类间竞争对实例分割是关键的。
+
+
+
+# 4.2. 消融实验
+
+作者设计了一系列消融实验，结果记录在Table 2。
+
+## （一）主干模型
+
+从**Table 2a**可以看出，Mask R-CNN能受益于更深的网络、更先进的设计（如FPN、ResNeXt）。
+
+并非所有模型能受益于上述因素，详见评测[21]。
+
+## （二）Mask的通道数
+
+Mask R-CNN**坚持使用单通道mask**，也就是为RoI在每个类预测一张Mask【方案1】。
+
+从**Table 2b**可以看出，如果使用FCN惯用的多通道mask【方案2】，则AP会显著下降。
+
+方案1的实现：Sigmoid + BCEs
+
+方案2的实现：Softmax + CE
+
+## （三）可不可以预测一个Mask？
+
+可以。
+
+仅为RoI预测一个object mask，而不关心object是什么类别。和「每类一mask」相媲美。
+
+【这个版本怎么实现呢？】
+
+## （四）RoIAlign
+
+* RoIAlign提高IoU 【Table 2c中，使用RoIAlign能提高AP75】
+* RoIAlign用max/avg效果差别不大
+* 消除取整很关键【Table 2c中，RoIWarp只比RoIPool略好点。RoIWarp没有去掉RoIPool的第一次取整】
+* 编码器步长越大，i.e. 层数越多，RoIAlign作用越大【Table 2d】
+* 关键点检测任务也能受益于RoIAlign【Table 6】
+
diff --git "a/\344\275\225\346\201\272\346\230\216/Mask R-CNN.pdf" "b/\344\275\225\346\201\272\346\230\216/7 - Mask R-CNN.pdf"
similarity index 100%
rename from "\344\275\225\346\201\272\346\230\216/Mask R-CNN.pdf"
rename to "\344\275\225\346\201\272\346\230\216/7 - Mask R-CNN.pdf"
diff --git "a/\344\275\225\346\201\272\346\230\216/PointRend.pdf" "b/\344\275\225\346\201\272\346\230\216/8 - PointRend.pdf"
similarity index 100%
rename from "\344\275\225\346\201\272\346\230\216/PointRend.pdf"
rename to "\344\275\225\346\201\272\346\230\216/8 - PointRend.pdf"
diff --git "a/\344\275\225\346\201\272\346\230\216/PointRend.xmind" "b/\344\275\225\346\201\272\346\230\216/8 - PointRend.xmind"
similarity index 55%
rename from "\344\275\225\346\201\272\346\230\216/PointRend.xmind"
rename to "\344\275\225\346\201\272\346\230\216/8 - PointRend.xmind"
index 4b7e8630cdb9f06c030286bb908c0419bb7ceebd..b01f5490ec00a8a67badee23c58103ec1b6ea2ec 100644
Binary files "a/\344\275\225\346\201\272\346\230\216/PointRend.xmind" and "b/\344\275\225\346\201\272\346\230\216/8 - PointRend.xmind" differ