极市平台 | OpenVINO部署Mask-RCNN实例分割网络

本文来源公众号“极市平台”，仅用于学术分享，侵权删，干货满满。

原文链接：OpenVINO部署Mask-RCNN实例分割网络

极市导读

OpenVINO是英特尔推出的一款全面的工具套件，用于快速部署应用和解决方案，支持计算机视觉的CNN网络结构超过150余种。本文展示了用OpenVINO部署Mask-RCNN实例分割网络的详细过程及代码演示。

模型介绍

OpenVINO支持Mask-RCNN与yolact两种实例分割模型的部署，其中Mask-RCNN系列的实例分割网络是OpenVINO官方自带的，直接下载即可，yolact是来自第三方的公开模型库。

这里以instance-segmentation-security-0050模型为例说明，该模型基于COCO数据集训练，支持80个类别的实例分割，加上背景为81个类别。

OpenVINO支持部署Faster-RCNN与Mask-RCNN网络时候输入的解析都是基于两个输入层，它们分别是：

im_data : NCHW=[1x3x480x480]
im_info: 1x3 三个值分别是H、W、Scale=1.0

输出有四个，名称与输出格式及解释如下：

• name: classes, shape: [100, ]
  预测的100个类别可能性，值在[0~1]之间

• name: scores: shape: [100, ]
  预测的100个Box可能性，值在[0~1]之间

• name: boxes, shape: [100, 4]
  预测的100个Box坐标，左上角与右下角，基于输入的480x480

• name: raw_masks, shape: [100, 81, 28, 28]
  Box ROI区域的实例分割输出，81表示类别（包含背景），28x28表示ROI大小。

上面都是官方文档给我的关于模型的相关信息，但是我发现该模型的实际推理输raw_masks输出格式大小为：100x81x14x14，这个算文档没更新吗&#