DL之MaskR-CNN：Mask R-CNN算法的簡介(論文介紹)、架構(gòu)詳解、案例應(yīng)用等配圖集合之詳細(xì)攻略

?

?

?

目錄

Mask R-CNN算法的簡介(論文介紹)

0、實(shí)驗(yàn)結(jié)果

1、實(shí)例分割具有挑戰(zhàn)性

2、Mask R-CNN算法的設(shè)計(jì)思路

Mask R-CNN算法的架構(gòu)詳解

Mask R-CNN算法的案例應(yīng)用

1、Keras MaskRCNN案例實(shí)現(xiàn)

---

?

?

?

?

相關(guān)文章
CV之IS：計(jì)算機(jī)視覺之圖像分割(Image Segmentation)算法的簡介、使用方法、案例應(yīng)用之詳細(xì)攻略
DL之MaskR-CNN：Mask R-CNN算法的簡介(論文介紹)、架構(gòu)詳解、案例應(yīng)用等配圖集合之詳細(xì)攻略
DL之MaskR-CNN：Mask R-CNN算法的架構(gòu)詳解

Mask R-CNN算法的簡介(論文介紹)

? ? ? ? ? ? ?Mask R-CNN是一種實(shí)例分割的方法。

Abstract ?
? ? ? We present a conceptually simple, flexible, and general ?framework for object instance segmentation. Our approach ?efficiently detects objects in an image while simultaneously ?generating a high-quality segmentation mask for each instance. ?The method, called Mask R-CNN, extends Faster ?R-CNN by adding a branch for predicting an object mask in ?parallel with the existing branch for bounding box recognition. ?Mask R-CNN is simple to train and adds only a small ?overhead to Faster R-CNN, running at 5 fps. Moreover, ?Mask R-CNN is easy to generalize to other tasks, e.g., allowing ?us to estimate human poses in the same framework. ?We show top results in all three tracks of the COCO suite ?of challenges, including instance segmentation, boundingbox ?object detection, and person keypoint detection. Without ?bells and whistles, Mask R-CNN outperforms all existing, ?single-model entries on every task, including the ?COCO 2016 challenge winners. We hope our simple and ?effective approach will serve as a solid baseline and help ?ease future research in instance-level recognition. Code ?has been made available at: https://github.com/ ?facebookresearch/Detectron.
? ? ? 我們提出了一個(gè)概念簡單、靈活和通用的對(duì)象實(shí)例分割框架。我們的方法有效地檢測(cè)圖像中的對(duì)象，同時(shí)為每個(gè)實(shí)例生成高質(zhì)量的分割掩碼。該方法稱為Mask R-CNN，通過添加一個(gè)分支來預(yù)測(cè)一個(gè)對(duì)象掩碼，與現(xiàn)有的用于邊界框識(shí)別的分支并行，從而擴(kuò)展了更快的R-CNN。Mask R-CNN訓(xùn)練簡單，只增加了一個(gè)小開銷到更快的R-CNN，運(yùn)行在5幀每秒。此外，Mask R-CNN很容易推廣到其他任務(wù)，例如，允許我們?cè)谙嗤目蚣芟鹿烙?jì)人類的姿態(tài)。我們展示了COCO套件中所有三個(gè)方面的頂級(jí)結(jié)果，包括實(shí)例分割、邊界框?qū)ο髾z測(cè)和人員關(guān)鍵點(diǎn)檢測(cè)。沒有華麗的點(diǎn)綴，Mask R-CNN在每個(gè)任務(wù)上都比所有現(xiàn)有的單模型條目表現(xiàn)得更好，包括COCO 2016挑戰(zhàn)賽冠軍。我們希望我們的簡單而有效的方法將作為一個(gè)堅(jiān)實(shí)的基線，并有助于簡化未來在實(shí)例級(jí)識(shí)別方面的研究。代碼已提供:https://github.com/facebookresearch /Detectron。

?

論文
Kaiming He Georgia GkioxariPiotr DollárRoss Girshick.
Mask R-CNN. ICCV, 2017
https://arxiv.org/abs/1703.06870

全部代碼請(qǐng)移步到GitHub地址：https://github.com/matterport/Mask_RCNN

?

0、實(shí)驗(yàn)結(jié)果

1、實(shí)例分割掩碼AP在COCO test-dev上

Instance segmentation mask AP on COCO test-dev Mask R-CNN，采用ResNeXt-101-FPN骨干網(wǎng)絡(luò)時(shí)，AP可以達(dá)到37.1，效果最好！
?	?

?

2、COCO目標(biāo)檢測(cè)結(jié)果

Object Detection Results on COCO 使用ResNet-101-FPN的Mask R-CNN優(yōu)于所有先前最先進(jìn)模型的基本變體。 Mask R-CNN using ResNet-101-FPN outperforms the base variants of all previous state-of-the-art models
使用ResNet-101-FPN在COCO 測(cè)試圖像上Mask R-CNN，并以5 fps的速度運(yùn)行，使用35.7 mask ap Mask R-CNN on COCO test images, using ResNet-101-FPN and running at 5 fps, with 35.7 mask AP 被相同類別的對(duì)象包圍——Surrounded by same-category objects
斷開連接的對(duì)象——Disconnected objects，每個(gè)人完整的歸為一類，即對(duì)非連接目標(biāo)表現(xiàn)也是不錯(cuò)！	?
對(duì)于小目標(biāo)，也能識(shí)別不錯(cuò)！
失敗的樣例：檢測(cè)/分割 Failure: detection/segmentation missing的地方指沒有分割出來！
Failure: recognition 識(shí)別時(shí)候的錯(cuò)誤，其實(shí)并不是kite風(fēng)箏！

?

?

1、實(shí)例分割具有挑戰(zhàn)性

實(shí)例分割具有挑戰(zhàn)性，因?yàn)樗枰_檢測(cè)圖像中的目標(biāo)，同時(shí)還要精確地分割每個(gè)實(shí)例。

?

2、Mask R-CNN算法的設(shè)計(jì)思路

?

?

?

Mask R-CNN算法的架構(gòu)詳解

更新……

?

?

?

?

?

?

Mask R-CNN算法的案例應(yīng)用

更新……

Keras之Mask R-CNN:《極限挑戰(zhàn)》第四季第2期助力高考—使用Mask R-CNN代替Photoshop摳圖、顏色填充框出目標(biāo)檢測(cè)
DL之Mask R-CNN：2018.6.26世界杯阿根廷隊(duì)VS尼日利亞比賽2:1實(shí)現(xiàn)Mask R-CNN目標(biāo)檢測(cè)

?

1、MaskRCNN案例實(shí)現(xiàn)

github：https://github.com/matterport/Mask_RCNN

?

2、Keras MaskRCNN案例實(shí)現(xiàn)

?

DL之MaskR-CNN：基于類MaskR-CNN算法(RetinaNet+mask head)利用數(shù)據(jù)集(resnet50_coco_v0.2.0.h5)實(shí)現(xiàn)圖像分割
github：https://github.com/fizyr/keras-maskrcnn

? ? ? 該存儲(chǔ)庫并未嚴(yán)格按照其論文中的描述實(shí)現(xiàn)MaskRCNN。 不同之處在于原作論文使用RPN來提出ROI，并使用這些
ROI同時(shí)執(zhí)行邊界框回歸、分類和掩模估計(jì)。 相反，該存儲(chǔ)庫使用RetinaNet進(jìn)行邊界框回歸和分類，并在這些預(yù)
測(cè)之上構(gòu)建掩模估計(jì)頭部(mask estimation head)，相比原論文更簡單一些！

?

?

?

?

相關(guān)文章
TensorFlow實(shí)戰(zhàn)：Chapter-8上(Mask R-CNN介紹與實(shí)現(xiàn))

?

?

總結(jié)

以上是生活随笔為你收集整理的DL之MaskR-CNN：Mask R-CNN算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。