![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
实例分割
文章平均质量分 53
宇宙爆肝锦标赛冠军
智能机器人研究生
展开
-
【实例分割|AdaptIS】数据集制作|魔改 backbone
【实例分割|AdaptIS】数据集制作|魔改 backbone。原创 2023-01-21 11:14:30 · 913 阅读 · 0 评论 -
【实例分割|Detectron2】计算实例漏检数量
对于单张图像中实例超过 100 的情形,难免会出现漏检的情形,通过代码实现对漏检数量的计算,作为评估的指标。原创 2022-08-16 14:44:29 · 5474 阅读 · 0 评论 -
【实例分割|Detectron2】在主干网络 ResNet50 中添加 SE 注意力模块
在 Mask R-CNN 和 Mask2Former 中使用 SE 模块原创 2022-08-16 14:39:53 · 9091 阅读 · 10 评论 -
【数据集|COCO】COCO格式数据集制作与数据集参数计算
1. 批量修改 JSON 文件中的参数2. 划分训练集和测试集3. 生成 JSON 标签文件4. 计算训练集三通道均值5. bbox和seg标签可视化原创 2022-08-16 14:30:53 · 7022 阅读 · 1 评论 -
【实例分割|Mask2Former】 解决模型推理预测的代码中存在的一些问题
解决模型推理预测的代码中存在的一些问题:1. 取消终端输出网络结构2. 推理置信度设置3. 预测实例存在多个轮廓4. 预测模型返回筛选后实例原创 2022-08-09 10:45:10 · 8014 阅读 · 7 评论 -
【实例分割|Detectron2】魔改多模态双流网络,解决 Cannot match one checkpoint key to multiple keys in the model.
文章目录问题背景解决方法问题背景我自己构建了一个双流网络,所以有两个 backbone ,均为 Resnet50,加载的同一个R50 预训练权重,detectron2 代码中抛出了如下错误:ERROR [05/11 21:45:22 d2.checkpoint.c2_model_loading]: Ambiguity found for res2.0.conv1.norm.bias in checkpoint!It matches at least two keys in the model (ba原创 2022-05-11 22:53:15 · 5174 阅读 · 4 评论 -
【实例分割|Detectron2】Mask R-CNN 预测超过100个实例
问题背景默认的最大输出实例数量为100,而我的数据集上每张图像的实例数量超过了100。解决方法在配置文件中设置每张图像检测数即可。TEST: DETECTIONS_PER_IMAGE: 300参考链接[1] https://github.com/facebookresearch/detectron2/issues/1164......原创 2022-04-11 23:31:24 · 9053 阅读 · 1 评论 -
【实例分割|Detectron2】MaskRCNN实例分割输出二值mask掩码
文章目录问题背景解决方法步骤一:步骤二附录问题背景训练了Detectron2 中的实例分割网络,是二分类(背景和目标),实验主要是做语义分割的,所以想输出二值化(0和255)的mask掩码,来计算指标。解决方法步骤一:在 demo/predictor.py 中作修改:添加的代码如下:# 制作mask掩码pred = (predictions["instances"]._fields)["pred_masks"].cpu().numpy() # bool 类型binary_mask = n原创 2022-04-08 20:10:59 · 5207 阅读 · 2 评论 -
【实例分割|Mask2Former】根据终端输出信息绘制损失函数
文章目录问题背景实现代码效果展示问题背景slurm-161091.out 是保存终端输出信息的文件。利用文件中的一些关键字符读取loss,并绘制loss曲线。实现代码import reimport matplotlib.pyplot as pltf = open("slurm-161091.out")data = f.read()pattern_iter = re.compile(r'iter: (\d+) total_loss:')result_iter = pattern_it原创 2022-04-23 09:32:14 · 9257 阅读 · 1 评论