怎么提取mask的边界_B2Inst：利用边界表示法以增强单阶段实例分割

最新推荐文章于 2023-08-18 21:07:53 发布
最新推荐文章于 2023-08-18 21:07:53 发布
阅读量329 收藏 1
点赞数
文章标签： 怎么提取mask的边界
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/weixin_28781243/article/details/112638483
版权
B2Inst是一种基于边界基础的实例分割方法，旨在通过学习全局边界表示来提升单阶段实例分割的准确性。在COCO数据集上，B2Inst在ResNet-50和ResNet-101主干上超越现有方法。
摘要由CSDN通过智能技术生成

作者称这是第一次探索边界表示以实现准确的实例分割，B2Inst+BlendMask 表现SOTA！性能优于Blendmask、PointRend和CondInst等网络。

The Devil is in the Boundary: Exploiting Boundary Representation for Basis-based Instance Segmentation

注1：文末附【图像分割】交流群

B2Inst

118ccd5ef9db30efe54702b37e2b6060.png
作者单位：KAIST（韩国科学技术院）
论文：The Devil is in the Boundary: Exploiting Boundary Representation for Basis-based Instance Segmentation

为了对实时视觉应用更加一致的场景理解，单阶段实例分割最近变得越来越流行，与两阶段实例分割相比，它实现了更简单，更高效的设计。

此外，其全局mask表示通常会导致迄今为止占主导地位的两阶段Mask R-CNN的准确性更高。尽管单阶段方法取得了不错的进展，但实例边界的更精细分割仍然未被挖掘。实际上，边界信息提供了强大的形状表示形式，可以与单级分割器的全卷积蒙版特征协同工作。

在这项工作中，我们提出了基于边界基础的实例分割（B2Inst），以学习一种全局边界表示，它可以补充通常缺乏高频细节的现有基于全局掩码的方法。

6efd755e1720e4041ed816e420324e3e.png

此外，我们设计了一个统一的掩膜和边界质量度量方法，并引入了一个网络模块，该模块学习对自己的每个实例预测进行评分。如果将B2Inst应用于单阶段实例分割中最强的基准，则可以不断改进并准确地解析场景中的实例边界。

0f64d4129d772cd948aa635cc278d7fe.png

74d74035fdd744b3d1e00389fe9a017a.png

61c4b14aba7bad8e226f3890dbe83e01.png

实验结果

450006865fb3fd33442a42e67017ed95.png

不管是单阶段还是两阶段框架，我们在具有相同ResNet-50和ResNet-101主干的COCO数据集上都优于现有的最新方法。

d301484fe5795fc068ae8aab207e0c46.png

ededeea4698ce5d2c442d16b55905fcc.png

CVer-图像分割交流群

建了CVer-图像分割交流群！想要进分割学习交流群的同学，可以直接加微信号：CVer6666。加的时候备注一下：图像分割+学校+昵称，即可。然后就可以拉你进群了。

强烈推荐大家关注CVer知乎账号和CVer微信公众号，可以快速了解到最新优质的CV论文。

推荐阅读

缺陷检测比赛Top3方案分享

2020年度arXiv十大热门论文来了！YOLOv4、SimCLR和GPT-3均上榜

Papers with Code 2020 全年回顾（顶流论文+顶流代码+Benchmarks）

美团提出VisTR：基于Transformers的端到端视频实例分割

又一篇视觉Transformer综述来了！

深度神经网络中的池化方法：全面调研（1989-2020）

OsC Los：用于医学图像分割中不平衡问题的偏移曲线损失

AAAI 2021 | GET：基于Transformer的图像描述

基于GAN的图像合成技术：全面调研和案例研究（2014-2020）

涨点神器！IC-Conv：具有高效空洞搜索的Inception卷积

一文快速回顾U-Net Family

发顶会论文，怎么就那么难？（附三位研究员的经验分享，助力你的科研）

基于深度学习的人体姿态估计综述：全面调研（2014-2020）

基于深度学习的基于内容的图像检索技术：十年调研（2011-2020）

亚马逊李沐团队提出：行为识别的全面调研（2014-2020）

你的NMS该换了！Confluence：实现更准、更强的目标检测

冠军解决方案！用于脑肿瘤分割的nnU-Net改进

综述 | 对比自监督学习技术：全面调研

使用PyTorch时，最常见的4个错误

涨点技巧！汇集13个Kaggle图像分类项目的性能提升指南

综述 | MIT提出视频理解/行为识别：全面调研（2004-2020）

旷视提出MegDetV2：目标检测/实例分割系统

综述 | 基于深度学习的实时语义分割方法：全面调研

涨点神器！南航提出AFF：注意力特征融合

克嘉
关注
PG4-Inst.zip_Saia_saia plc PG4_site:www.pudn.com
09-22
PG4-Inst.zip 文件是一个与Saia Saia PLC PG4编程相关的软件包，它包含了用于控制和编程Saia Burgess PLCs（可编程逻辑控制器）的工具。Saia PLC是瑞士Saia-Burgess Controls AG公司生产的一种自动化控制系统，广泛...
怎么提取mask的边界_（3） DEM数据区域范围提取
weixin_42651748的博客
01-05 2756
引言：在实践操作中我们经常需要选择研究区域去进行数据分析，但下载影像范围包含一些多余图层信息，这时我们就需要运用ArcGis软件工具提取所需要素。1：在ArcGis中加载DEM范围数据注：（此时各图层是分开的）2：打开数据管理工具——栅格——栅格数据集——囊嵌到新的栅格（合并DEM数据）在工具栏中进行设置投影如果需要可以自定义或者导入原图层坐标信息在进行选择波段数、像元类型等信息时可在原图层属性源...
两种mask-边缘提取-类拉普拉斯
u013322443的专栏
05-31 2242
clc;clear; f=imread('mm.jpg'); f=rgb2gray(f); ff=double(f); W1=[1,2,1;2,-12,2;1,2,1]; W2=[2,1,2;1,-12,1;2,1,1]; f1=conv2(ff,W1,'same'); f2=conv2(ff,W2,'same'); subplot(2,2,1),imshow(f);title(' ori img
怎么提取mask的边界_HCP是怎么处理结构像数据的
weixin_26757949的博客
01-12 1085
HCP是质量很高的公开数据集，我最近在研究其中的结构像数据，整理了一下官方的预处理过程。对于FreeSurfer， 我们在使用的时候，只需要一句recon-all就可以执行完所有的计算，接着就可以进行读取结果，关于recon-all的计算细节我们可能不怎么关心。这篇文章会涉及很多我们不知道也不会妨碍我们使用FreeSurfer 的原理性知识，所以读起来可能没那么容易。如果有地方犯错，欢迎大家斧正。...
计算掩膜的边界
強雲的博客
11-10 238
python 代码实现 def band(image): x_min = 1000 x_max = 0 y_min = 1000 y_max = 0 z_min = 0 z_max = 0 print('image shape is:'+ str(image.shape)) for z in range(image.shape[0]): # 第一次出现掩膜的图像即为z的最小值 # 第一次未出现掩膜的图像为z的最大
将mask区域单独截取出来
xbsigeibwkouvfcj的博客
08-18 261
将mask区域单独截取出来，将SLIC每一块超像素都截取出来
Music_Player_JS::musical_note:JavaScript中的简单音乐播放器
04-11
音乐播放器： 简单的基于Web的音乐播放器 必备工具 链接： 目录 基本信息 这是基于Web的简单音乐播放器 技术领域 设置 在Linux上安装VS Code（基于Debian的发行版）： $ sudo apt install ./<file>....$ sudo inst
account_db2inst1_db2inst1.nasl
最新发布
11-08
account_db2inst1_db2inst1
在自定义数据上训练 YOLOv8 进行实例分割.docx
05-20
标签文件的格式包括类索引和边界框坐标，以及用于表示分割对象边界的额外点坐标。 在训练模型之前，我们需要创建一个 YAML 配置文件（如 trashcan_inst_material.yaml），列出所有类别及其对应的标签。配置文件还...
primo-explore-tr-integration-inst-ld:TR_INTEGRATION_INST演示集成Primo实例的自定义包
04-29
TR_INTEGRATION_INST演示集成Primo实例的LD视图的定制包。 使用权 使用此URL可以访问视图： : : 设置 克隆并安装依赖项： git clone https://github.com/ExLibrisGroup/primo-explore-devenv.git cd primo-...
根据mask得到矩形框
weixin_38241876的博客
04-07 1928
maskimg = cv2.imread('m1.png') locs = np.where(maskimg==255) x0 = np.min(locs[1]) x1 = np.max(locs[1]) y0 = np.min(locs[0]) y1 = np.max(locs[0])
连通区域分析法
Wwl1234526的博客
08-19 1442
用途： 在需要将前景目标提取出来以便后续进行处理的应用场景中都能够用到连通区域分析方法，通常连通区域分析处理的对象是一张二值化后的图像。 前提处理：可以先进行效果更好的分割和预处理操作，然后再进行不同的区域连通判断 或者也可以进行膨胀处理，将一些较小的区域或者相似的区域进行连接； 一、 num_objects, labels = cv2.connectedComponents(image) 参数：image：也就是输入图像，必须是二值图，即8位单通道图像。 返回值：num_labels：所有连通域
根据mask绘制contour ，bounding box。批量展示图片 等工具函数
normol的博客
03-14 5990
主要解决两个问题： 1、如何用给定的mask找到最小包围矩形 2、如何用给定的矩形在原图上绘制bounding box（利用matplotlib） 只有一个类的情况 import numpy as np import matplotlib.patches as patches import matplotlib.pyplot as plt &amp;quot;&amp;quot;&amp;quot; masks shape: (batch_size...
图像分割mask图上画出目标检测框
SSSlasH的博客
09-06 3472
最近在做跟语义分割有关的变化检测方向的工作。当遇到模型的输出是一张mask图的情况下，单纯用肉眼看检测的效果可能不是很直观。这时我们可以利用python脚本，调用opencv的这个库，来获取mask连通图中的左上角和右下角的x，y坐标。最后用画出矩形框。参考的文章作者没有考虑到mask图存在好几个检测框或者没有检测框的情况，我在这个基础上做了改进，并且支持批量转化。
2021-08-27 分割之后mask在原图中提取出来（语义分割—实例分割）
热门推荐
橙子Blue不加冰
08-27 2万+
原图和mask如下： 生成如图： 如图： 生成图像： 上面这种出来是透明背景32位的，并不是白色！！！！ 另一种出来版本是黑色背景： 出图如下： 如果加上背景的话：（像素黑的就是0，随便附加颜色） 1.opencv抠图 （扣出背景是黑色，24位） 效果：原图：24位 mask：24位 opencv扣出效果：背景是黑色的，24位 2.pillow抠图 （扣出背景是黑色，24位） 原图24位——mask24位-——抠图24位 3.提取白色背景的抠图 效果展示：原图24位——mask24位——抠图2
基于 Mask R-CNN 中边界框回归知识讲解（重点是代码）
qq_35874169的博客
11-02 3547
一、 边界框回归的概念     如图所示，红色的框代表原始的建议框（proposal region），绿色的框代表目标的真实边界框（ground truth）。边界框回归的目标是：寻找一种映射关系，使得原始的建议框（红色）经过映射变为一个与真实边界框（绿色）更接近的边界框（蓝色）。一个矩形框通常可以用x、y、w、h四个参数表示（它们分别表示窗口中心点的坐标以及矩形框的宽高）。 二、公式讲解     边界框回归的这种映射关系可以表示为：     边界框 G^\hat{G}G^ 可以通过下式得到，其中PPP
掩码到边界框的转换
wt852561630的博客
07-18 640
本篇是对Airbus Ship Detection Challenge的kernels中From masks to bounding boxes 的一个总结。 在将掩码转换乘图像的格式之后，导入skimage.measure，对掩码区域进行标签（1，2，3.......)（原理是对连通域进行分类标签），然后对标签的区域进行regionprops，得到目标狂的左上角和右下角的坐标值。利用c...
图像分割将标注（label）的mask表示在图像image上
pum_pkin的博客
11-29 596
图像分割将标注（label）的mask表示在图像image上。
使用Mask-RCNN在实例分割应用中克服过拟合
AI公园
11-26 1312
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Kayo Yin编译：ronghuaiyang导读只使用1349张图像训练Mask-RCNN，有代码。代码：https:/...
解释一下下面这个代码”entity Tem_top is generic ( P_AN: integer := 1; P_BN: integer := -75; P_TEMP_MAX: integer := 75; P_TEMP_MIN: integer := -25; P_Device_ID: integer := 7 ); port ( i_clk : in std_logic; i_rst : in std_logic; i_ADC_clk : in std_logic; i_ADC : in std_logic_vector(9 downto 0); o_LED : out std_logic; o_Serial_data: out std_logic ); end entity Tem_Top; architecture rtl of Tem_Top is signal w_ADC_valid: std_logic; signal w_ADC: std_logic_vector(9 downto 0); signal w_T_valid: std_logic; signal w_T: signed(13 downto 0); begin Time_sample_inst: entity work.Time_sample port map ( i_clk => i_clk, i_rst => i_rst, i_ADC_clk => i_ADC_clk, i_ADC => i_ADC, o_ADC_valid => w_ADC_valid, o_ADC => w_ADC ); Serial_output_inst: entity work.Serial_output port map ( i_clk => i_clk, i_rst => i_rst, i_T_valid => w_T_valid, i_T => w_T, i_Device_ID => P_Device_ID, o_Serial_data => o_Serial_data ); end architecture rtl; architecture Behavioral of Tem_top is begin end Behavioral;“
06-13
然后，使用`Time_sample_inst`和`Serial_output_inst`两个实例化语句来实例化两个子模块（Time_sample和Serial_output）。这两个子模块都是从`work`库中获取的，它们分别连接到实体的端口和信号中。其中，`Serial_...
评论
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