Mask-R-CNN实例分割算法(1)

本文详细介绍了目标检测算法Mask-R-CNN的工作原理和技术细节。从输入图像到最终的目标检测及实例分割,涵盖特征提取、建议框生成、ROIAlign层的作用及分类回归模型的应用等关键步骤。

1.目标检测算法:(用一个框框出目标)
在这里插入图片描述
2.语义分割算法:标出属于猫的像素点
在这里插入图片描述
————————————————————————————
二者区别:
在这里插入图片描述
Mask-R-CNN实例分割算法可以结合两者优点
————————————————————————————
3.防止失真和保证语义效果的精确,会在图像边缘加上灰条,同时保证图像边长可以整除2的六次方
在这里插入图片描述

4.图片传入主干特征提取网络,当输入的图片为1024 X 1024时,我们会获得多个特征公用层,相当于将图片划分成不同的网格,每个网格有不同的相应框,利用RPN区域建议网络,我们可获得相应框的调整参数和框内是否包含物体,此时我们获得建议框
在这里插入图片描述
建议框可以在特征图上进行截取,截取到的部分特征层就可以反映原图中的不同区域,截取到的图再传入ROI Align中,ROI Align将截取到的图resize到相同大小后利用分类或者回归网络判断截取到的内容是否包含目标,并对建议框进行调整。调整之后就是预测

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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