Mask-Rcnn处理单通道图像

最新推荐文章于 2023-12-27 18:12:43 发布
最新推荐文章于 2023-12-27 18:12:43 发布
阅读量2.4k 收藏 19
点赞数 4
分类专栏： 目标检测RCNN 文章标签： Mask-RCNN 单通道图像
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36440171/article/details/88627754
版权

网上的开源Mask-Rcnn代码是以RGB图像作为默认输入图像的，如果需要处理单通道图像，需要对源码进行一定的修改，参考github以为大神的解决方案，github链接地址。解决步骤如下：

  1. 在子类中Config，设置IMAGE_CHANNEL_COUNT为N，单通道为1。
  2. 在同一个类中，将MEAN_PIXEL从3个值更改为N个值，列表元素数目更改为1个。
  3. 将utils.py中的Dataset类中的load_image方法进行修改。需要注意的是利用skimage.io.imread读取单通道图像得到的array是二维的，需要将其扩展至三维，即增加一个通道数维度，添加代码image = image[:, :, np.newaxis]即可解决。
  4. 由于您正在更改输入的形状，因此第一个Conv图层（Conv1）的形状也会发生变化。因此，无法使用提供的预训练重量。要解决此问题，请exclude在加载权重时使用该参数以排除第一个图层。这允许您加载除了之外的所有图层的权重conv1，这将被初始化为随机权重。
  5. 在训练过程中由于conv1层是随机初始化的，因此需要进行参数调整，可以通过调整"heads"包含的网络层来将conv1层添加至训练层。"heads"或者其他层数的定义位于model.py文件的MaskRCNN类的train()方法中。

Mask RCNN源码地址：https://github.com/matterport/Mask_RCNN
解决方案参考地址：https://github.com/matterport/Mask_RCNN/wiki

倒悬思考的人
关注
专栏目录
单通道图片
weixin_56405212的博客
05-18 626
import torch import random import numpy as np import os import matplotlib.pyplot as plt from PIL import Image imge = np.random.randint(0,256,size=(20,10)) #最小的那个数字0表示为黑，最大的那个数字256表示为白 # image = np.random.randint(0,256,size=(20,10,3)) plt.imshow(imge,cmap=.
使用 Detectron2 中的 mask-RCNN 检测建筑物轮廓
qq_48019718的博客
07-17 6853
前言   兜兜转转试了好多框架与算法，从软件再到代码，中途有许多问题，从 ArcGIS Pro 再到 Tensorflow 的 Mask-RCNN，再到 Detectron2 。 目标检测与目标分割 目标分割   建筑物轮廓的提取属于目标分割（实例分割）的一种，与目标检测不同，不仅要框出目标所在的位置，还要以 mask 的形式框出物体的轮廓。 上图是 Detectron2 中采用 Mask-RCNN 算法提取建筑物的轮廓，包含了 mask 和 bounding box 以及 possible，当然，这仅仅
『计算机视觉』Mask-RCNN_推断网络其六：Mask生成
weixin_34008805的博客
10-23 410
一、Mask生成概览   上一节的末尾，我们已经获取了待检测图片的分类回归信息，我们将回归信息（即待检测目标的边框信息）单独提取出来，结合金字塔特征mrcnn_feature_maps，进行Mask生成工作（input_image_meta用于提取输入图片长宽，进行金字塔ROI处理，即PyramidROIAlign）。 # Detections ...
使用YOLO(You only look once) 对灰度图（单通道）进行训练和识别
热门推荐
Dylan的博客
07-12 1万+
最近，实验室的比赛在识别上用到了灰度图，因为官方对颜色进行了修改，我们在没有官方数据的情况下，只能使用灰度图进行训练识别，以期望可以排除颜色的影响。但是在使用yolo训练单通道灰度图的时候出现了一些问题，在修改cfg配置文件后进行训练，一直出现，segmentation fault的错误。在百度上也没有找到类似的问题，最后在GitHubcomments上找到了答案，以下记录一下，方便后人。 ...
编程速记(11)：Python篇-图像读取-skimage.io.imsave&imread
weixin_38316806的博客
11-25 4188
一、图像类型与通道channel 图像类型 通道数 灰度图像 1 彩色图像 3（RGB） 经过测试，经过x.png格式应该是RGBA四通道，但是使用imread读取出来的矩阵仍然是三通道。测试代码如下： # 四十三：skimage.io.imread读取图像 from skimage.io import imread import numpy as np a = imrea...
skimage函数入门： io.imread
weixin_44317740的博客
03-01 1万+
Skimage函数： io.imreadskimage的函数io.imread(img_dir) skimage的函数 io.imread(img_dir) 用于读取图片文件。读取的图片为GRB格式。 img_dir：图片的位置 io.imread读出图片格式是uint8(unsigned int)；value是numpy array。 ...
YOLO、SSD、FPN、Mask-RCNN检测模型对比
吴建明wujianming_110117
05-18 4365
YOLO、SSD、FPN、Mask-RCNN检测模型对比 一．YOLO（you only look once） YOLO 属于回归系列的目标检测方法，与滑窗和后续区域划分的检测方法不同，他把检测任务当做一个regression问题来处理，使用一个神经网络，直接从一整张图像来预测出bounding box 的坐标、box中包含物体的置信度和物体所属类别概率，可以实现端到端的检测性能优化 原理如下： 输入一张图片，图片中包含N个object，每个object包含4个坐标（x，y，w，h）和1个label。在网络
maskrcnn用于目标检测_基于CNN目标检测方法（RCNN，Fast-RCNN，Faster-RCNN，Mask-RCNN，YOLO，SSD）行人检测...
weixin_35997054的博客
12-29 895
原标题：基于CNN目标检测方法(RCNN，Fast-RCNN，Faster-RCNN，Mask-RCNN，YOLO，SSD)行人检测原创作者在AI图谱平台上每成功发布一篇文章，通过审核后可奖励人民币30-50元不等，欢迎参与！一、研究意义卷积神经网络(CNN)由于其强大的特征提取能力，近年来被广泛用于计算机视觉领域。1998年Yann LeCun等提出的LeNet-5网络结构，该结构使得卷积神经网...
OpenCV中使用Mask R-CNN实现图像分割的原理与技术实现方案
最新发布
jiangchaobing_2017的博客
12-27 1800
本文首先阐述了Mask R-CNN的原理，然后详细介绍了在OpenCV环境中实现Mask R-CNN的技术方案，包括数据预处理、模型训练和测试等步骤。Mask R-CNN的输出与一般的图像分割任务稍有不同，你可能需要根据具体的Mask R-CNN模型输出进行后处理，例如解析输出层、应用阈值、填充孔洞等。其中，Mask R-CNN模型因其优秀的性能和广泛的适用性，成为了图像分割领域的热门模型。Mask R-CNN是一种基于区域提议网络和全卷积网络的深度学习模型，通过端到端的训练实现了对图像中物体的精确分割。
mask-rcnn 代码解析01
weixin_44576543的博客
03-17 581
1、代码来源link ： 2、代码构成： 3、首先看一下 utils.py 看一下模型定义 from mrcnn import utils #因为model中导入utils.py 先看一下工具类型 如何定义函数的 def extract_bboxes(mask): 输入为mask 提取每个实例的bbox用于训练和监督 返回 bbox def compute_iou(box, boxes, box_area, boxes_area): """Calculates IoU.
【深度学习】二维CNN卷积手动实现(单/多输入单/多输出通道)
Blog
06-11 1729
手动实现多输入多输出通道的二维卷积
单通道灰度图像如何送入三通道输入的Faster-RCNN网络
Le0virg0的博客
03-07 7779
针对Faster-RCNN等卷积网络图片输入通道数的问题，给出一种解决方法： 一般的卷积网络都是rgb三个通道，但这限制了单通道灰度图的检测，这里先给出一种比较笨拙但能解决问题的办法：强行给图片赋予三个通道出来： clear; clc; close all; imagePath = '图片所在文件夹路径\'; imageFiles = dir(imagePath); %%读取目录文...
Mask R-CNN实现RGB-D数据集训练
xiaomifanhxx的博客
04-17 3118
在使用Mask R-CNN做了RGB的数据的实例分割，感觉效果很棒，提出疑问，如果使用RGB-D数据集多了一个维度的信息，那么分割效果是不是更好。于是就开始了我尝试使用RGB-D数据集训练Mask R-CNN的想法。 网上的开源的Mask R-CNN代码是以RGB图像作为默认输入图像的，如果需要处理4通道图像，需要对源码进行一定的修改，参考github以为大神的解决方案，Gith...
CNN的输入输出运算过程及其Pytorch实现
comli_cn的博客
06-17 8484
0. 卷积神经网络的结构 如上图所示，一个卷积神经网络由若干卷积层、池化层、全连接层组成。我们可以通过对其中要素的重组来构成不同的卷积神经网络。构成不同卷积神经网络的公式为： INPUT−>[[CONV]∗N−>POOL?]∗M−>[FC]∗KINPUT -> [[CONV]*N -> POOL?]*M -> [FC]*KINPUT−>[[CONV]∗N−>POOL?]∗M−>[FC]∗K 以上图为例，其结构为： INPUT−>[[CONV]∗1−
Mask RCNN更改输入通道数
qq_29661605的博客
09-03 735
Mask RCNN更改输入通道数（以5通道为例） 1、在config.py中，修改： IMAGE_CHANNEL_COUNT=5 MEAN_PIXEL = [.....] # 改为5通道的均值 2、utils.py中，修改load_image方法： image= np.load(filename+'.npy') # 我选择直接采用npy方式保存图像数组，因此采用np.load 3、coco.py中，修改load_weight（二选一） model.load_weights(COCO_MODEL_PATH
批量将三通道RGB图像转化成单通道灰图像
Chenzhinan1219的博客
03-03 4454
from skimage import io,transform,color import numpy as np def convert_gray(f,**args):#图片处理与格式化的函数 rgb=io.imread(f) #读取图片 gray=color.rgb2gray(rgb) #将彩色图片转换为灰度图片 dst=transform.resize(gray,output_shape=(1544,2064)) #调整大小，图像分辨率的大小 retu.
基于Mask-rcnn的人流量统计
xxxy502的博客
05-24 3106
这次是记录一下最近做的项目，要求是统计一些摄像头的人流量，有一些是旅游景点的视频，有些是安检口的视频，要求统计出in，out的人数。 一开始是找追踪算法，deep-sort，kcf等等，效果不太理想，然后用了百度ai的人流量统计，它的追踪做的不错，但是他的摄像头的角度和高度是固定的，用在我的视频上可能是因为角度的问题，准确率只有百分之六七十。然后试了试mask-rcnn，mask-rcnn的包围...
Mask R-CNN使用方法：使用Mask R-CNN处理图片
Work hard
10-14 2069
Mask R-CNN使用方法相关教程链接Mask R-CNN环境配置 相关教程链接 相关教程： github教程 https://machinelearningmastery.com/how-to-perform-object-detection-in-photographs-with-mask-r-cnn-in-keras/ Mask R-CNN环境配置 ...
mask-rcnn训练过程参数config.py修改
banxia1995的博客
01-08 5367
samples/coco/coco.py中的IMAGES_PER_GPU修改为1（原代码中设置为2，在我的机器上会out of memory），我只有一个GPU，所以GPU_COUNT也修改为1 如果数据集没有下载，则download修改为True python3  samples/coco/coco.py train --dataset=your/data/path/ --model=coc...
Mask-RCNN详解：实例分割与边界框增强的深度解析
相关工作部分介绍了R-CNN系列的发展，从最初的候选区域提取和独立处理，到Faster R-CNN引入区域提议网络(RPN)的注意力机制，再到Mask-RCNN的实例分割提升。这些模型的进步展示了计算机视觉技术在目标检测领域的逐步...
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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