如何将mask rcnn预测的mask(二值图)转化为标注信息(segmentation)

 说明:该代码是整体代码中的一段,主要功能是将mask_info(bool类型的二维向量),转化为需要标注的segmentation.

contours, hierarchy = cv2.findContours(mask_info.astype(np.uint8),cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
xy_list = []
for contour in contours:
    xy = contour[:,0,:].ravel().tolist()
    xy_list.append(xy)

obj_info['area'] = (x2-x1)*(y2-y1)
obj_info['bbox'] = [float(x1), float(y1), float(x2-x1), float(y2-y1)]
obj_info['cate'] = cate
obj_info['segmentation'] = xy_list

  参考文章:博客

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
Mask RCNN中,部分监督学习是指在训练过程中,除了使用bounding box标注的目标位置信息进行训练外,还使用了像素级别的mask标注信息。这种监督学习方法被称为instance segmentation,它可以对每个目标实例进行精确的像素级别的分割。 在Mask RCNN的训练过程中,每个目标实例都有一个对应的mask。这些mask是通过手动标注或者使用像分割算法生成的。通过将mask与对应的目标实例进行匹配,可以使模型学习到目标的精确边界信息。这样,在测试阶段,模型就可以根据输入像准确地分割出目标实例的轮廓。 在代码实现中,可以使用PIL库中的Image.open函数读取掩码片,然后将其转换为P模式,并使用调色板函数将像素映射为特定的类别颜色。这样可以可视化掩码像,并对像进行数据增强等处理。然后可以使用PyTorch提供的MaskRCNNPredictor类来生成Mask预测器,从而实现目标实例的像素级别分割。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [MaskRCNN的实现](https://download.csdn.net/download/weixin_38717156/14941401)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [【纯小白】动手实现MASK RCNN 实例分割(带全部源码)](https://blog.csdn.net/m0_51325463/article/details/127516052)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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