Detectron-MaskRCnn：Mask判别和获取前向Mask的标签

        对于FCN-SceneParse网络，最后卷积生成N个类别的maps,每个Map都得到图像所有点的单类概率。MaskRCNN的结构与FCN不相同。

       参考三个文章：

       Detectron总结1：Blob的生成 和 generate proposal 

       Detectron总结2：前向生成数据标签的过程

       Detectron总结3：参数设置，直接打开cfg文件，找到train进行设置

       Detectron总结4：Detectron测试流程（含Mask和KeyPoint）

      

获取多个Mask：

       对于预测的二值掩膜输出，我们对每个像素点应用sigmoid函数，整体损失定义为平均二值交叉损失熵。 引入预测K个输出的机制，允许每个类都生成独立的掩膜，避免类间竞争。这样做解耦了掩膜和种类预测。不像是FCN的方法，在每个像素点上应用softmax函数，整体采用的多任务交叉熵，这样会导致类间竞争，最终导致分割效果差。

      代码段：

获取每一个图像Mask

def getMaskImg( mask,box,image ):imageMask = image.copy();for i in range(mask.shape[0]):for j in range(mask.shape[1]):if( mask[i,j]==0 ):#imageMask[i,j] = image[i,j]#mask[i,j] =254;imageMask[i,j,0]=0;imageMask[i,j,1]=0;imageMask[i,j,2]=0;x1 = int(box[0]);x2 = int(box[2]);y1 = int(box[1]);y2 = int(box[3]);imageMask = imageMask[y1:y2,x1:x2];return imageMask;

   

 

    

 

总结

以上是生活随笔为你收集整理的Detectron-MaskRCnn：Mask判别和获取前向Mask的标签的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。