mask R-CNN

最新推荐文章于 2025-03-03 17:13:06 发布
最新推荐文章于 2025-03-03 17:13:06 发布
阅读量267 收藏
点赞数
分类专栏： 实例分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/manonggou/article/details/105095199
版权

论文：http://cn.arxiv.org/pdf/1703.06870v3

一、创新点

mask R-CNN是一种实例分割算法，同时可用于人体姿态估计。是在faster RCNN基础上新增了一个mask predict分支，并且ROI Pooling改进为ROI Align，对每个proposal提取的特征精度更高。

1、ROI Align

对于每个ROI，存在两种情形会得到非整数的像素坐标：第一是ROI映射到CNN提取的feature map上；第二种是做ROI Pooling对每个ROI区域分为k*k个bin（例如7×7或者14×14），ROI的长或者宽不能整除。

对非整数坐标的像素，faster R-CNN是直接向下取整操作，而本文中是保留非整数坐标，不做取整操作。在提取ROI特征时，在每个bin中规则选取4个点，使用双线性插值算法计算每个点的像素值，然后做max或这avg操作，得到每个bin值。

2、mask branch

对每个ROI提取的feature map，经过一个FCN的mask head网络，输出K个分辨率为m*m（文中为14×14或者28×28）的mask，即对每个类别输出一个二值的mask，使分类分支和mask分支解耦。训练计算实例分割损失时只对ROI标定的实际类别对应的mask每个像素计算二值交叉熵损失，即其他类别mask输出对损失无贡献。做前向预测时，从分类分支得到ROI对应的类别，并从mask分支取对应的mask输出作为目标的分割。

二、实验结果

详见论文

Mask R-CNN
chenaxin的博客
10-25 514
https://arxiv.org/abs/1703.06870 摘要 我们提供了一个概念简单、灵活、通用的对象实例分割框架。我们的方法有效地检测图像中的目标，同时为每个实例生成高质量的分割掩模。该方法被称为Mask R-CNN，它扩展了Faster R-CNN，增加了一个用于预测对象蒙版的分支，与现有的用于边界盒识别的分支并行。Mask R-CNN是简单的训练，只增加一个小开销更快的R-CNN，运行在5帧每秒。此外，Mask R-CNN很容易推广到其他任务，例如，让我们在相同的框架下估计人体姿势。我们展示
『算法学习』Mask-R-CNN
weixin_34034670的博客
10-07 517
一、Mask-RCNN流程 Mask R-CNN是一个实例分割（Instance segmentation）算法，通过增加不同的分支，可以完成目标分类、目标检测、语义分割、实例分割、人体姿势识别等多种任务，灵活而强大。 Mask R-CNN进行目标检测与实例分割 Mask R-CNN进行人体姿态识别 其抽象架构如下： 首先，输入一幅你想处理的图片，然后进行对应的预处理操作...
目标检测系列—Mask R-CNN 详解
最新发布
Azperk的博客
03-03 1005
是由等人于 2017 年提出的，它在的基础上进行了扩展，除了执行（即物体的分类和定位）之外，还增加了的功能，能够精确地预测每个目标的。与其他目标检测方法相比，Mask R-CNN 在精度上具有显著优势，尤其是在实例分割任务上。它在 COCO 数据集上取得了出色的表现，因此在计算机视觉领域中得到了广泛应用。本文将详细介绍的，并提供代码示例，帮助读者深入理解 Mask R-CNN 的工作原理。
mask r-cnn
09-21
Mask RCNN 是基于Kaiming 之前的工作 FPN (Feature Pyramid Network) 很形象地说就是用FPN产生的检测结果, 后面加了一个分割的网络. 文章中用到了 Top-Down + Bottom-Up 最近很流行的多层网络, 因为最开始Faster-RCNN只是在最后一层上面检测, 很容易丢掉小目标物体, 并且对细节遮挡也很不敏感. 最近的趋势就是结合多层 特征, 答主孔涛就很早发现了这个insight, 做出了HyperNet 并中了CVPR roal!!!作者：Oh233 链接：https://www.zhihu.com/question/57403701/answer/153060743 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 Mask R-CNN 这个结果确实很强，但要同时注意它主要是加上了许多（都是很有用的）engineering techniques 。 比如说 anchor 从 12 增加到了15个，图像 size 从600变成了800，还有ROI batch size变到了512，从FPN那篇paper来看，这些 better practice 会有对性能十分明显的提升 (table 3 baseline: AP=26.3 -> 31.6)。而我们组16年的coco分割竞赛冠军 ，Fully Convolutional Instance-aware Semantic Segmentation (FCIS)的代码昨晚终于开源了。限于计算资源，我们并没有加上这些改进。这些改进应该是比较 general 的，也会适用于 FCIS。欢迎大家试用一波。FCIS 提供了一种简单高效的框架去解决 instance segmentation 的问题。跟之前 COCO 2015 的冠军 MNC 相比，它的主要不同在于 mask estimation 和 detection 是共同做的，而不是先估计 mask 再做 detection。在 FCIS 中 detection/mask estimation 之间通过 inside/outside score map 互相影响，利用了这两个紧密相连 task 之间的共性。现在 release 版本基于支持多卡训练的MXNet，msracver/FCIS。实际上大概今年一月份我们就已经写出了外面可以使用的Caffe版本，但是当时官方 Caffe 只支持单卡做复杂任务的训练，对于COCO这种大规模数据集来说用单卡训练的话一下子几周的时间就过去了。考虑到大家用起来会非常蛋疼，最后还是决定没有release这个版本。
Mask R-CNN模型训练和数据转换加载工具包
08-17
**Mask R-CNN模型概述** Mask R-CNN是一种深度学习模型，由Facebook AI Research团队在2017年提出，是Faster R-CNN的扩展，用于实例分割和目标检测任务。实例分割是指识别图像中每个对象并为它们提供精确的像素级...
Mask R-CNN预训练权重
05-26
Mask R-CNN数据标注和模型训练 教程：https://yidamyth.blog.youkuaiyun.com/article/details/124851003 使用Mask R-CNN标注自定义数据集，训练自己的模型。 本资源是教程中所需要加载的预训练模型，提供一个便捷的下载...
Mask R-CNN 原理文档
04-25
**Mask R-CNN 概述** Mask R-CNN 是一种深度学习模型，专门用于实例分割和目标检测任务。由Kaiming He、Georgia Gkioxari、Pedro Dollar和Roie Fihrer在2017年提出，该模型在 Faster R-CNN 的基础上进行了扩展，...
基于 Mask R-CNN 及 Yolov4 的电力巡检中绝缘子缺陷研究
03-26
本文主要探讨了一种基于深度学习的电力巡检方法，利用 Mask R-CNN 和 Yolov4 技术对输电线路中的绝缘子缺陷进行识别和定位。 Mask R-CNN 是一种用于实例分割的深度学习模型，它可以同时实现对象检测和像素级分类，...
MASK R-CNN
TheWaySoFar
05-06 304
https://github.com/facebookresearch/Detectron. 1. 素质四连 要解决什么问题？ 之前的研究使得物体检测、图像分割任务的性能有了很大的提高，但对物体分割任务（instance segmentation）没有很大提升。 建立一套基于物体分隔的模型架构。 用了什么方法解决？ 在Faster R-CNN添加了预测mask的部分（与预测bb...
mask-R-CNN
天风的人工智能博客
10-16 336
代码论文# Mask-rcnn 算法在 torch vision 中有直接实现，可以直接引用使用在自己的工作中。Mask R-CNN（Mask Region-based Convolutional Neural Network）是一种用于目标检测和实例分割的深度学习模型，它是 Faster R-CNN 的扩展，同时可以生成目标的二进制掩码（mask），因此可以实现精确的实例分割。\1. 骨干网络：Mask R-CNN通常使用骨干网络（如 ResNet）来提取图像特征。这些特征用于目标检测和分割任务。
Facebook开源Mask R-CNN实现的Detectron平台
Mask R-CNN是继Faster R-CNN之后的又一重要进展，它在检测物体的同时还能够精确地生成每个物体的分割掩码（mask）。这项技术对于图像分割、场景理解等领域尤为重要。 ### 关键技术：Mask R-CNN Mask R-CNN是...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值