Mask R-CNN网络结构

已于 2024-05-13 19:56:50 修改
阅读量1.1k 收藏 16
点赞数 16
文章标签： 深度学习 人工智能 神经网络
于 2024-05-13 19:11:23 首次发布
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_42430979/article/details/138815426
版权

目录

RoIAlign

Mask分支

Mask R-CNN损失

Mask R-CNN主体结构还是Faster R-CNN，后端并联了一个mask分支

Mask R-CNN有两种：一种不带FPN特征金字塔结构的，一种带FPN的，现今以采用FPN结构的为主

RoIAlign

RoIAlign的提出是为了解决在网络两次取整操作中所导致的Misalignments问题

将原图点映射到特征层上，步距为32，会出现无法整除，RoIPooling进行四舍五入这样就会导致误差。

同样将原图点映射到特征层上，出现小数不进行四舍五入直接对应特征图上，例如（0.3125，3.875）带小数的形式。将蓝色的矩形框均分为2X2几个子区域，由于2X2均分不存在四舍五入操作。对于每个子区域要求取输出涉及到sampleing ratio参数，即每个子区域需要采样多少个点。原论文sampleing ratio=2，此处假设sampleing rati=1找到四个点的中心点，如橙色点，确定距离橙色点最近的四个特征点。利用双线性插值计算公式获取距离橙色点的数值。

RoIAlign的结果对于采样点位置以及采样点的个数并不敏感。

Mask分支

Mask R-CNN包括两个分支，一个是类别分支一个是Mask分支

Mask分支与分类分支不共用一个RoI，Mask分支需要更多的细节信息所以没有池化到7X7大小，而是池化到14 X14的大小

Mask分支针对每个类别都预测了一个模板且模板大小均为28X28。

MaskRCNN之前的网络对每一个像素每一个类别都会预测一个概率分数，之后会对每一个像素沿channel方向做一个softmax处理，会得到每一个像素归属每一个类别的概率分数，这样不同类别间存在竞争关系，每一个像素沿channel方向的概率之和等于1，所以各个类别存在竞争关系。MaskRCNN不会对每一个像素沿channel方向做一个softmax处理，而是针对类别分支预测的类别信息带入Mask分支中，将针对该类别的模板提取出来使用，类别间不存在竞争关系。

预测的时候只需要最准确的目标边界框

Mask R-CNN损失

相较于之前的FaterRCNN增加了一个Mask分支

图片输入给骨干网络通过下采样得到最终不同特征层的特征图，通过RPN得到多个Proposals这里的Proposals都是正样本，将这些Proposals送入RoIAlign，会根据Proposals大小在对应的特征层进行裁剪得到14X14的特征。再将特征送入Mask分支，就会每一个类别都预测一个Mask，因此得到Mask分支得到的logits。虽然Mask分支没有进行softmax处理，但是会经过sigmoid激活，即将每一个点映射到[0,1]之间。Proposals回到原图去裁剪对应的区域，在缩放到28x28大小得到真实Mask，真实Mask中目标区域为1，真实区域为0。与预测Mask送入损失函数中去计算损失。

得到Mask为28X28大小，经过双线性插值放大到与预测边界框一样大小，放到原图对应的位置区域。

一些浅显的总结，后续还会继续完善。。。

文章内容主要来源于：Mask R-CNN网络详解_哔哩哔哩_bilibili

萌萌哒小公举
关注
  • 16
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
『计算机视觉』Mask-R-CNN
01-27
本文来自于cnblogs，文章主要介绍了Mask-R-CNN流程、抽象架构以及结构等相关内容。 MaskR-CNN是一个实例分割（Instancesegmentation）算法，通过增加不同的分支，可以完成目标分类、目标检测、语义分割、实例分割、...
Mask R-CNN的几点总结
01-06
Mask R-CNN用于实例分割任务，其网络结构与Faster R-CNN基本相同，通过Convnets提取特征，Region Proposal Networks生成候选框（Region of Interest）。区别在于算法的最后一部分，除了需要对候选框对象进行分类和...
Mask R-CNN网络结构理解
WangNning2000的博客
11-11 4万+
参考：https://zhuanlan.zhihu.com/p/37998710 模型中的改进： 1.Faster R-CNN里的特征提取网络-->FPN：FPN产生特征金字塔[P2,P3,P4,P5,P6]，大尺度的ROI要从低分辨率的feature map上切，有利于检测大目标，小尺度的ROI要从高分辨率的feature map上切，有利于检测小目标。 2.ROI pooling-->RoIAlign：Faster RCNN中，特征图与原始图像是不对准的，会影响检测精度；RoIA.
Mask R-CNN网络详解
霹雳吧啦Wz
04-05 4万+
Mask R-CNN是2017年发表的文章，一作是何恺明大神，没错就是那个男人，除此之外还有Faster R-CNN系列的大神`Ross Girshick`，可以说是强强联合。该论文也获得了ICCV 2017的最佳论文奖（`Marr Prize`）。并且该网络提出后，又霸榜了MS COCO的各项任务，包括目标检测、实例分割以及人体关键点检测任务。在看完这边文章后觉得Mask R-CNN的结构很简洁而且很灵活效果又很好（仅仅是在Faster R-CNN的基础上根据需求加入一些新的分支）。
实例分割模型Mask R-CNN详解：从R-CNN，Fast R-CNN，Faster R-CNN再到Mask R-CNN
热门推荐
jiongnima的博客
01-21 9万+
   Mask R-CNN是ICCV 2017的best paper，彰显了机器学习计算机视觉领域在2017年的最新成果。在机器学习2017年的最新发展中，单任务的网络结构已经逐渐不再引人瞩目，取而代之的是集成，复杂，一石多鸟的多任务网络模型。Mask R-CNN就是典型的代表。本篇大作的一作是何凯明，在该篇论文发表的时候，何凯明已经去了FaceBook。我们先来看一下，Mask R-CNN取得了...
MASK R-CNN网络介绍
chase
03-11 2813
MASK R-CNN网络介绍
[经典网络]：Mask R-CNN 网络结构详解 : R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN, FCN
shinezzz的博客
05-20 2211
论文：He, Kaiming, et al. “Mask r-cnn.” Proceedings of the IEEE international conference on computer vision. 2017. 代码：TensorFlow实现 实例分割模型Mask R-CNN详解：从R-CNN，Fast R-CNN，Faster R-CNN再到Mask R-CNN从R-CNN1开讲...
mask r-cnn网络结构
Joker_xun的博客
04-29 4041
第五章:Mask R-CNN网络详解
ADICDFHL的博客
07-06 441
摘要 我们提出了一个概念上简单、灵活、通用的目标实例分割框架。我们的方法在有效检测图像中的对象的同时，为每个实例生成高质量的分割掩码。这种方法称为Mask R-CNN，通过在现有的边界框识别分支之外添加一个用于预测对象掩码的分支来扩展Faster R-CNN。Mask R-CNN的训练简单，并且对Faster R-CNN的开销很小，运行速度为5 fps。此外，Mask R-CNN容易推广到其他任务，例如在同一框架中估计人体姿势。
R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN网络结构
~华仔的博客
02-26 685
https://blog.csdn.net/briblue/article/details/82012575
Mask R-CNN讲解
weixin_43702653的博客
04-24 3万+
Mask R-CNN最全讲解
Mask R-CNN原理及发展历程
weixin_43996099的博客
07-17 1330
2017年，何凯明等人在Faster R-CNN的基础上融入了语义分割网络，提出Mask R-CNN，在目标检测的基础上实现物体的像素级分割，即实例分割。基于Mask R-CNN模型的算法当前已应用在人脸识别、遥感目标识别、车辆行人检测、工业CT图像缺陷检测、医疗辅助检测等多个领域，是R-CNN系列的集大成之作。为了更好地理解Mask R-CNN模型的原理，接下来先后从R-CNN、Fast R-CNN到Faster R-CNN的演化之路介绍，基于此，再介绍Mask R-CNN。
什么是Mask R-CNN？Mask R-CNN的工作原理.pdf
10-23
在Mask R-CNN的工作流程中，首先通过Faster R-CNN的区域提议网络（RPN）生成候选框（RoIs），这些候选框覆盖了可能存在的物体。然后，这些RoIs经过“RoIAlign”操作，将不规则形状的RoIs转换为固定大小的特征表示，...
基于Mask R-CNN的舰船目标检测研究.docx
05-27
基于 Mask R-CNN 的舰船目标检测研究 Mask R-CNN 是一种基于深度学习的目标检测算法，通过将候选框与像素分割曲线相结合，解决了紧密排列舰船目标的检测问题。本研究基于 Mask R-CNN 框架，设计了一种舰船目标检测...
动手学深度学习（Pytorch版）代码实践 -卷积神经网络-28批量规范化
李思成的博客
06-22 335
【代码】动手学深度学习（Pytorch版）代码实践 -卷积神经网络-28批量规范化。
什么是卷积神经网络（CNN）？
liuxin33445566的博客
06-18 501
卷积神经网络（Convolutional Neural Networks，简称CNN）是一种深度学习模型，它在图像和视频识别、图像分类以及与图像相关的其他功能中表现出色。CNN模型模仿了人类视觉系统的工作原理，能够从图像中提取复杂的特征。
深度学习初探：一场迷人的AI之旅
最新发布
Go__July的博客
06-24 867
首先，什么是深度学习呢？简单来说，深度学习是机器学习的一个子领域，用多层神经网络来处理复杂的数据。你可以把它想象成一场数据的“大脑风暴”，用来识别图像、处理语言、识别声音等等。比如，当你用手机拍照，它能自动识别你拍的是人还是风景，这就是深度学习的功劳。
深度学习可解释性方法的一些概念
阿航的博客
06-24 271
理解和解释深度学习模型的决策过程和原理。
动手学深度学习（Pytorch版）代码实践 -深度学习基础-04图片分类数据集
李思成的博客
06-18 416
【代码】动手学深度学习（Pytorch版）代码实践 -深度学习基础-04图片分类数据集。
介绍Cascade Mask R-CNN的网络结构普
05-20
通的Mask R-CNN在Faster R-CNN的基础上引入了Mask分支，可以同时预测出对象的位置、类别和...其网络结构与Mask R-CNN相似，但添加了级联结构和一些辅助模块，例如BBox-Attention和Mask IoU Head等，以进一步提升性能。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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