Mask R-CNN通过在 Faster-RCNN 的基础上添加一个分支网络,在实现目标检测的同时,把目标像素分割出来.
图像分割是深度学习和神经网络的一个重要应用.
使用Pytorch自带的Mask R-CNN模型.
在实例分割中每个实例根据不同的类别划分颜色.如何实现呢? 可以这么说,我们可以检测出一张图片中的每个物体的存在,得到它的锚框,进行分类,然后用不同的颜色mask it 。所以说,实例分割是目标检测和图像分割的结合。
import cv2
import numpy as np
import random
import torch
import torchvision
import argparse
from PIL import Image
from torchvision.transforms import transforms as transforms
coco_names= [
'__background__', 'person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus',
'train', 'truck', 'boat', 'traffic light', 'fire hydrant', 'N/A', 'stop sign',
'parking meter', 'bench', 'bird', 'cat', 'dog', 'horse', 'sheep', 'cow',
'elephant', 'bear',