Mask R-CNN(目標(biāo)檢測語義分割)測試

Mask R-CNN(目標(biāo)檢測，語義分割)測試

Kaiming He的大作Mask R-CNN(https://arxiv.org/pdf/1703.06870.pdf)已經(jīng)放出來一段時間了，最近才有空進(jìn)行代碼學(xué)習(xí)和編譯。

圖像目標(biāo)檢測是圖像識別的核心任務(wù)之一，之前就對這以方面進(jìn)行總結(jié)和測試(http://blog.csdn.net/sparkexpert/article/details/71642431)。

從上面的圖可以看出，Mask R-CNN與是在Faster R-CNN之上的擴(kuò)展，在每個興趣點(diǎn)(Region of Interest，RoI)上加一個用于預(yù)測分割掩碼的分層，稱為掩碼層(mask branch)，能夠有效地檢測圖像中的目標(biāo)，同時還能為每個實例生成一個高質(zhì)量的分割掩碼(segmentation mask)。就相當(dāng)于多任務(wù)學(xué)習(xí)，掩碼層只給整個系統(tǒng)增加一小部分計算量，所以該方法運(yùn)行起來非常高效，重要的是能夠同時得到目標(biāo)檢測和實例分割的結(jié)果。

在COCO測試中可以看到，Mask R-CNN 在實例分割、邊界框目標(biāo)檢測和人物關(guān)鍵點(diǎn)檢測這三個難點(diǎn)上都獲得了較好的實驗效果，并且比每個現(xiàn)有的獨(dú)立模型，包括 COCO 2016 挑戰(zhàn)賽的獲勝模型，表現(xiàn)都要好。

下面進(jìn)行測試(編譯過程如下圖所示)：

第一個測試：發(fā)現(xiàn)結(jié)果相當(dāng)好，手提包，消防水泵，包括車輛里面的人都被分割出來。

第2個測試：對近距離的分割檢測結(jié)果也不錯，遠(yuǎn)距離的目前還是業(yè)界難點(diǎn)。

第3個測試：對這種室內(nèi)場景的檢測，效果也算不錯的。旁邊出來了個dining table，把臺燈看出桌子了。

第4個測試：客廳的檢測，效果還不錯，連假花都標(biāo)出來了。

第5個測試：車站候車廳檢測，也是近的可以，遠(yuǎn)的不行。

Mask R-CNN(目標(biāo)檢測語義分割)測試相關(guān)教程

總結(jié)

以上是生活随笔為你收集整理的准确度判断 语义分割_Mask R-CNN（目标检测语义分割）测试的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。