25、图像分割与多目标实例分割技术详解

图像分割与多目标实例分割技术详解

图像分割基础

在图像分割中，我们可以使用以下代码进行预测并展示结果：

prediction = model([pil_to_tensor[0].to(device)])
for i in range(len(prediction[0]['masks'])):
    plt.imshow(Image.fromarray(prediction[0]['masks']
                [i, 0].mul(255).byte().cpu().numpy()))
    plt.title('Class: '+str(prediction[0]
             ['labels'][i].cpu().numpy())+
     'Score:'+str(prediction[0]['scores'][i].cpu().numpy()))
    plt.show()

运行上述代码后，会输出输入图像以及预测的掩码。不过，训练好的模型在某些图像上的表现可能不如在测试图像上的表现，可能的原因如下：
- 训练时，人物可能没有如此接近和重叠。
- 模型可能没有在足够多的感兴趣类别占据图像大部分区域的图像上进行训练。
- 训练模型所使用的数据集图像与待预测图像的数据分布不同。

虽然检测到了重复的掩码，但在这些区域（从第三个掩码开始）较低的类别分数表明预测中可能存在重复。

预测多类别的多个实例

之前我们学习了对人物类别的分割，现在我们将学习如何使用同一模型一次性分割人