最近在用Mask-RCNN来做目标检测,所用代码为:
https://github.com/matterport/Mask_RCNN
在model.py文件的PyramidROIAlign类中,有如下两行代码:
roi_level = log2_graph(tf.sqrt(h * w) / (224.0 / tf.sqrt(image_area)))
roi_level = tf.minimum(5, tf.maximum(2, 4 + tf.cast(tf.round(roi_level), tf.int32)))
我不明白第一行代码中的224和第二行中的4,于是查看了文章Feature Pyramid Networks for Object Detection,文中有如下描述:
后来通过测试,想明白了以上两行代码的目的是根据ROI的大小来给不同的ROI分配不同level (P2, P3, P4, P5)的 feature map。根据文章中的公式(1)当ROI面积是时,k=4,即面积为
的ROI分配给P4。所以在实际应用中,要根据检测目标的大小调整
和224,比如对于椎体和椎间盘检测问题,目标尺度大多集中于64,少数目标尺度为128和32,所以只需用[32,64,128]这三个scale,以及[P2,P3,P4]即可,此时设置
,用64代替224。下面是我做椎体和椎间盘检测以及分割的结果: