1、首先mask_rcnn模型功能强大,在github可以找到。
它可以检测从car、person、trunk等等80多种目标。
但应用到实际需求中往往只需检测几类,因而必须修改相应代码否则会出现识别 率低影响实验效果等。
主要修改demo语句中的代码,
if class_names.index (‘car’) in r[‘class_ids’]:
k = list(np.where(r[‘class_ids’]== class_names.index(‘car’))[0])
r[‘scores’] = np.array([r[‘scores’][i] for i in k])
r[‘rois’] = np.array([r[‘rois’][i] for i in k])
# r[‘masks’] = np.array([r[‘masks’][i] for i in k])
r[‘masks’] = np.transpose(r[‘masks’])
r[‘masks’] = np.array([r[‘masks’][i] for i in k])
r[‘masks’] = np.transpose(r[‘masks’])
r[‘class_ids’] = np.array([r[‘class_ids’][i] for i in k])
这是核心代码,欢迎一起讨论。
mask_rcnn中对特定目标进行分类识别
最新推荐文章于 2022-06-29 23:36:38 发布