keras Mask Rcnn代码走读（九）-detect方法介绍

最新推荐文章于 2021-03-12 09:05:55 发布

AI剑客

最新推荐文章于 2021-03-12 09:05:55 发布

阅读量655

点赞数

分类专栏： AI keras tensorflow

本文链接：https://blog.csdn.net/qq_43258953/article/details/103498639

版权

本文详细解析了Keras Mask R-CNN中detect方法的实现过程，包括图像预处理、锚点生成、模型预测以及结果还原到原始图像的步骤，重点介绍了如何进行实体分割的推断。

摘要由CSDN通过智能技术生成

keras Mask Rcnn代码走读（八）-detect方法介绍，主要用于图片实体分割的推断时调用的。
一，首先对图像进行处理，调用self.mold_inputs（）函数，把原图等比例resize成102410243的图像，不够的地方用0填充，同时减去图像平均值。并记录原图的位置及大小信息在image_metas里， molded_images处理后的图像。windows为原图在处理后图片的对角像素坐标。

def detect(self, images, verbose=0):
    """Runs the detection pipeline.

    images: List of images, potentially of different sizes.

    Returns a list of dicts, one dict per image. The dict contains:
    rois: [N, (y1, x1, y2, x2)] detection bounding boxes
    class_ids: [N] int class IDs
    scores: [N] float probability scores for the class IDs
    masks: [H, W, N] instance binary masks
    """
    assert self.mode == "inference", "Create model in inference mode."
    assert len(
        images) == self.config.BATCH_SIZE, "len(images) must be equal to BATCH_SIZE"

    if verbose:
        log("Proce