对每个ROI来说，多任务损失函数如下：
mask分支对于每个RoI有Km2 维度的输出。K个（类别数）分辨率为m*m的二值mask。
因此作者利用了a per-pixel sigmoid，并且定义 Lmask 为平均二值交叉熵损失（the average binary cross-entropy loss）.
对于一个属于第k个类别的RoI， Lmask 仅仅考虑第k个mask（其他的掩模输入不会贡献到损失函数中）。这样的定义会允许对每个类别都会生成掩模，并且不会存在类间竞争。
附录：
sigmoid函数解释如下：
http://blog.163.com/liyanhua_08/blog/static/1172002772009927111741738/
softmax函数解释如下：
https://www.zhihu.com/question/23765351
交叉熵损失函数的解释如下：
http://blog.csdn.net/u012162613/article/details/44239919
各种损失函数的解释如下：
http://blog.csdn.net/u014114990/article/details/47802993
