DAY-11 Mask R-CNN

DAY-11 Mask R-CNN

原文连接：https://bbs.cvmart.net/topics/1079

• 目标检测：对图像中每个对象定位

  • 每个目标边界框的坐标（x, y）
  • 每个边界框关联的类别标签

• 语义分割：将输入图像中的每个像素与一个类别标签(包括一个用于背景的类标签)关联起来

  • 相同的目标，用相同的颜色标记
  • 无法区分同一类的两个对象，
  • 特别是同一个类别的两个目标是相互遮挡时，问题更加明显

• 实例分割；为图像中的每个对象计算像素级mask

  • 相同的目标，用不同的颜色标记
  • 不仅定位了每个独立的立方体，而且还预测了它们的边界

• Mask R-CNN：实例分割算法

  • R-CNN 算法

    step1：向网络输入图像

    step2：提取区域proposals (即，可能包含对象的图像区域) 算法，如选择性搜索算法

    step3：利用迁移学习进行特征提取，使用预先训练的CNN计算每个proposals的特征 (这实际上是一个ROI)

    step4：使用支持向量机 (SVM) 对提取的特征进行分类

    缺点：速度慢

  • Fast R-CNN算法

    step1：输入一个图像和对应的实际的边界框

    step2：提取图像的特征map

    step3：应用ROI池化（有效地端到端进行训练），得到ROI特征向量

    step4：使用两组全连接层来获得(1)类别标签预测(2)每个proposal的边框位置

  Mask R-CNN的主要两个贡献：

  • 用更精确的ROI align模块替换ROI Pooling模块
  • 从ROI align模块中插入一个额外的分支

所选的300个ROIs中的每一个都要经过网络的三个并行分支:

1、类别标签预测

2、边界框预测

3、掩摸预测