Cascade-RCNNとMaskRCNNを組み合わせることによって、カスケードベースでインスタンスセグメンテーションを行う手法は存在したが、さらなる精度向上のために1.境界ボックス回帰とマスク予測のインターリーブ、２.前段階のマスク特徴を現在のものに供給する、３.セグメンテーションブランチを追加し、それを境界ボックスおよびマスクブランチと融合することを行った。

提案された方法はMSCOCOデータセットでCascadeMask R-CNNベースラインに対して1.5％の改善できた。COCO2018チャレンジオブジェクト検出タスクで1位にランクされている。