博客中介绍的代码主要是./mrcnn中的文件，它们是模型构建的主干，以及部分./sample中的文件，它们展示了如何训练并测试网络
『计算机视觉』Mask-RCNN_论文学习
『计算机视觉』Mask-RCNN_项目文档翻译
『计算机视觉』Mask-RCNN_推断网络其一：总览
『计算机视觉』Mask-RCNN_推断网络其二：基于ReNet101的FPN共享网络暨TensorFlow和Keras交互简介
『计算机视觉』Mask-RCNN_推断网络其三：RPN锚框处理和Proposal生成
『计算机视觉』Mask-RCNN_推断网络其四：FPN和ROIAlign的耦合
『计算机视觉』Mask-RCNN_推断网络其五：目标检测结果精炼
『计算机视觉』Mask-RCNN_推断网络其六：Mask生成
『计算机视觉』Mask-RCNN_推断网络终篇：使用detect方法进行推断
『计算机视觉』Mask-RCNN_锚框生成
『计算机视觉』Mask-RCNN_训练网络其一：数据集与Dataset类
『计算机视觉』Mask-RCNN_训练网络其二：train网络结构
『计算机视觉』Mask-RCNN_训练网络其三：训练Model
将本工程改造为关键点检测项目：
Mask_RCNN_KeyPoints
记录博客：
『计算机视觉』Mask-RCNN_从服装关键点检测看KeyPoints分支
『TensorFlow』分类问题与交叉熵
『计算机视觉』感受野和anchor
『计算机视觉』FPN特征金字塔网络
『计算机视觉』经典RCNN_其一：从RCNN到Faster-RCNN
『计算机视觉』经典RCNN_其二：Faster-RCNN
在上面博客中其实已经有介绍相关脚本的使用方式，这里还是更直接的给出代码链接:
模拟训练模型脚本： ./sample/shapes/train_shapes.ipynb
coco数据训练相关： ./samples/coco
coco预训练模型测试脚本： ./sample/demo.ipynb