mask rcnn 数据基础介绍

Mon, 13 Aug 2018 00:00:00 +0000

[TOC]

概念理解

Mask R-CNN (Regional Convolutional Neural Network: 区域卷积神经网络)

图像分类 (Classification): 图片中有气球。
语义分割 (Semantic Segmentation): 这些是图片中组成所有气球的像素。
目标检测 (Object Detection): 这里是图片中7个气球的位置。我们需要识别被遮挡的物体。
实例分割 (Instance Segmentation): 这是是图片中7个气球的位置，包括组成每一个气球的像素。

mAP: 均值平均精度(Mean Average Precision)

Backbone: 骨干网络

backbone feature map : 骨干特征图

Feature Pyramid Network (FPN): 特征金字塔网络

Mask RCNN 的实现采用的是 ResNet101 + FPN 作为骨干网络

Region Proposal Network (RPN): 区域提议网络

Anchor: 锚点, RPN 通过扫描骨干特征图（backbone feature map ）得到锚点的. SSD 中称为先验框Prior boxes

Non-max Suppression : 非最大抑制, 在 RPN 预测过程中，我们会选择最可能包含物体的锚点，然后去修正它们的位置以及尺寸。如果有些锚点重叠得太多，我们会保留前景得分最高的一个，而其他的锚点就丢弃掉（这种方式成为非最大抑制 Non-max Suppression ）。

mask rcnn 数据预处理解读

Mon, 13 Aug 2018 00:00:00 +0000

[TOC]

import os
import sys
import json
import skimage.draw
import skimage.io
import skimage.color
from imgaug import augmenters as iaa
import numpy as np
import random
import matplotlib.pyplot as plt
# plt.switch_backend('agg')

# Root directory of the project
ROOT_DIR = os.path.abspath("../../")
sys.path.append(ROOT_DIR)

# Import Mask RCNN
from mrcnn import visualize
from mrcnn.config import Config
from mrcnn import model as modellib, utils
from mrcnn.model import log
from samples.cells import run_via_json

COCO_MODEL_PATH = os.path.join(ROOT_DIR, "mask_rcnn_coco.h5")
DEFAULT_LOGS_DIR = os.path.join(ROOT_DIR, "logs")
class_names = ['BG', 'cells1', 'cells2']
train_class_name = ['cells1', 'cells2']
show_class_name = ['cells2']

train_config = run_via_json.TrainConfig()
config = train_config
dataset = run_via_json.CellDataset()
dataset.load_data(train_config.dataset_dir, train_config.train_dir_name, class_names,
 annotation=train_config.train_annotation_json)
dataset.prepare()

Mask Rcnn on My Blog

mask rcnn 数据基础介绍

概念理解

mask rcnn 数据预处理解读