不同图片数据的分类在现实生活中是一项很常见任务，早在卷积神经网络就得以实现，并且随着R-CNN(RegionCNN)出现，简单的分类任务开始向目标检测任务上发展，在之后便是各种分割任务。而MaskR-CNN[3]在FasterR-CNN[4]之后，在目标检测的同时实现了实例分割。该算法模型需要在图片面板中辨别不同的目标物体，
并学习大量的特性来表示每个目标物体的细节。而狗狗数据图片中，狗的种类特征之间(比如毛色，纹理，体型)存在相异性和相似性。所以在本文中，笔者选取并自己制作了两个不同狗类数据集，分别代表特征具有较大相异性和相似性的目标。用这两个狗类数据集来进行MaskR-CNN目标检测性能与实例分割性能的对比分析。
