基于3D模型的MaskRCNN的训练数据生成

于 2021-11-19 21:20:56 发布
阅读量1.8k 收藏 1
点赞数
分类专栏： 场景处理/RgbD累积 ANN/DNN/纤维丛 StyleAI 文章标签： 深度学习 机器学习
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/wishchin/article/details/121431192
版权

      在MaskRCNN的Mask分割或者FCN全图分割的数据收集过程中，初始数据可以使使用LabelMe手动标记，这是数据标记不可或缺的过程，需要耗费大量人力物力，也是值得的。

     数据选取的过程中需要注意的是，标记的粒度控制、半自动化标记工具比如grubcut算法辅助等、数据的二次筛查、数据可靠性分级等等。


    此外，还可以借助三维重建的方法，使用正射投影或者透视投影获取物体的Mask，放入场景中，自动生成像素级标记的训练数据。

      参考：三维重建PCL：点云单侧面正射投影_wishchinYang的专栏-CSDN博客

      

wishchin
关注
专栏目录
MaskRCNN原理与代码实例讲解
AI架构设计之禅
08-07 903
1. 背景介绍 1.1 计算机视觉领域的挑战 计算机视觉是人工智能领域的一个重要分支，其目标是使计算机能够“看到”和理解图像和视频。近年来，随着深度学习技术的快速发展，计算机视觉领域取得了重大突破，并在人脸识别、物体检测、图像分类等任务中取得了显著成果。然而，计算机视觉仍然面临着许多挑战，其中之
钢铁缺陷检测mask rcnn版本
qq_32172681的博客
09-19 5750
一、项目主框架代码（tensorflow版本的Mask RCNN） Mask RCNN论文及代码解析参考我的另一篇博客：https://blog.csdn.net/qq_32172681/article/details/99761084 Mask RCNN keras实现代码，大神的github地址：https://github.com/matterport/Mask_RCNN 运行环境：t...
Detect-and-Track论文：3D Mask R-CNN Caffe2源代码解析——4. 网络头解析
小小顺利的博客
03-08 1774
在第三部分，我们对3D Mask R-CNN的RPN和FPN进行了详解，在特征图经过RoIAlign过程之后，我们得到了Resize后的特征图。下一步就是将这些维度相同的特征图送入“网络头/Net Head”部分进行最终处理。这篇文章我们就一起探究以下这两个网络头：Cls_Head和Key_Head。 参考内容链接如下： Detect-and-Track论文：【网页链接】 Detect-an...
基于mask rcnn的三维物体分割
luodoudoudou的博客
05-29 1923
前言 最近迷上了mask rcnn，也是由于自己工作需要吧，特意研究了其源代码，并基于自己的数据进行训练~ 本博客参考https://blog.csdn.net/disiwei1012/article/details/79928679#commentsedit 实验目的哎~说多了都是泪，谁让我是工科生呢？只能检测工件了。。。做不了高大上的东西了，哈哈！ 主要参考及工具 基于Mask RCNN开源项...
Detect-and-Track论文：3D Mask R-CNN Caffe2源代码解析——1.模型构建梳理
小小顺利的博客
02-21 945
这篇博文的内容是对Detect-and-Track的源代码进行解析，由于是第一篇，所以展示的是代码的脉络，以及如何寻找到3D Mask R-CNN的构建过程。博文的目录是按照文件来的： 参考内容链接如下： Detect-and-Track论文：【网页链接】 Detect-and-Track源代码：【网页链接】 目录 一、tools/train_net.py 二、lib/modeling...
Detect-and-Track论文：3D Mask R-CNN Caffe2源代码解析——3.RPN&FPN构建
小小顺利的博客
02-27 769
在第二部分，我们对ResNet18的结构进行了分析。当图像经过ResNet18后，会产生Feature Map（特征图）。这些特征图将会被送到RPN（Region Proposal Network-候选区域生成网络）中来产生RoI。在此文章采用的RPN中，使用了FPN结构。 参考内容链接如下： Detect-and-Track源代码：【网页链接】 Generic Object Detecti...
「Medical Image Analysis」Note on 3D Mask-RCNN
小锋子Shawn
12-15 558
QQ Group: 428014259 Sina Weibo：小锋子Shawn Tencent E-mail：403568338@qq.com http://blog.csdn.net/dgyuanshaofeng/article/details/84996579 [1] Deep Learning Based Instance Segmentation in 3D Biomedical Imag...
mask rcnn训练自己的数据集
3D视觉工坊
11-13 1411
原文首发于微信公众号「3D视觉工坊」——mask rcnn训练自己的数据集 前言 最近迷上了mask rcnn，也是由于自己工作需要吧，特意研究了其源代码，并基于自己的数据进行训练~ 本博客参考：https://blog.csdn.net/disiwei1012/article/details/79928679#commentsedit 实验目的 哎~说多了都是泪，谁让我...
python训练mask rcnn模型&&C++调用训练好的模型--基于opencv4.0（干货满满）
热门推荐
qq_29462849的博客
12-29 1万+
介绍 我的第一篇关于mask rcnn训练自己数据的博文，基于python代码，虽然可以跑，但是不能真正用到工程领域中，工程领域更多的是基于C++和C，如果编译tensorflow C++ API也是可以，然后利用api调用模型，但是会比较麻烦，自己也尝试过，不是那么友好。 opencv4.0，终于等到你~~~，opencv4.0已经支持mask rcnn的调用，只需要.pb文件和.pbtxt文件...
医学检测工具包包含流行对象检测器的2D + 3D实现，例如Mask R-CNN，Retina Net，Retina U-Net，以及专注于处理医学图像的训练和推理框架。-Python开发
05-25
版权所有:copyright:德国癌症研究中心（DKFZ），医学图像计算（MIC）部门。 请确保您对本代码的使用符合代码许可。 概述这是一个全面的框架。版权所有:copyright:德国癌症研究中心（DKFZ），医学图像计算（MIC）部门。 请确保您对本代码的使用符合代码许可。 概述这是一个全面的对象检测框架，具有：流行的对象检测器的2D + 3D实现：例如Mask R-CNN [1]，Retina Net [2]，Retina U-Net [3]。 模块化和轻巧的结构，确保共享所有处理步骤（包括主干架构），以实现模型的可比性
3D-RCNN: Instance-level 3D Object Reconstruction via Render-and-Compare
07-04
We present a fast inverse-graphics framework for instance-level 3D scene understanding. We train a deep convolutional network that learns to map image regions to the full 3D shape and pose of all object instances in the image. Our method produces a compact 3D representation of the scene, which can be readily used for applications like autonomous driving. Many traditional 2D vision outputs, like instance segmentations and depth-maps, can be obtained by simply rendering our output 3D scene model. We exploit class-specific shape priors by learning a low dimensional shape-space from collections of CAD models. We present novel representations of shape and pose, that strive towards better 3D equivariance and generalization. In order to exploit rich supervisory signals in the form of 2D annotations like segmentation, we propose a differentiable Render-and-Compare loss that allows 3D shape and pose to be learned with 2D supervision. We evaluate our method on the challenging real-world datasets of Pascal3D+ and KITTI, where we achieve state-of-the-art results.
MASK_RCNN解读3-原始训练模型加载和构建
01-06
MASK_RCNN解读3-原始训练FPN模型加载 现在开始进行网络的训练，脚本为： python tools/train_net.py –config-file configs/my_e2e_mask_rcnn_R_50_FPN_1x.yaml MODEL.ROI_BOX_HEAD.NUM_CLASSES 6 SOLVER.IMS_PER_BATCH 4 SOLVER.BASE_LR 0.001 SOLVER.MAX_ITER 36000 SOLVER.STEPS ” (24000, 32000)” TEST.IMS_PER_BATCH 1 MODEL.RPN.FPN_POST_NMS_TOP
matlab将代码放大-permeabilityCNN:用于生成3D多Kong图像和通过Keras训练CNN的代码
05-26
matlab将代码放大渗透性 用于生成3D多Kong图像并通过Keras训练CNN的代码。 工作流程通常如下： generate_data.m允许您定义几何的大小，Kong隙率等，并导出到同一文件夹中的dataset.mat 。 permeability.m dataset.mat使用数据集dataset.mat并计算渗透率，输出Kong隙porosities.mat ，Kong隙porosities.mat和渗透率permeabilities.mat 现在，您可以使用自己的matlab脚本（或更高版本的python脚本）来添加对称排列作为数据点。 打开dataprocessing.ipynb ，将matlab文件转换为numpy数组（这会使文件放大5倍，因为丢失了matlab的压缩功能）。 该文件应该易于配置到您的系统（内存大小和磁盘空间等）。 keras.ipynb以循环结构导入numpy数据集，该循环结构应更改为与您在上一步中创建的数据集相对应。 要运行keras.ipynb您必须确保第一个单元格显示Num GPUs Available: 1要识别GPU，此处描述的设置很可能与您
三维重建13X-2：FCN和MaskRCNN中Mask的获取
wishchinYang的专栏
11-06 566
在添加检测的三维重建中，获取连续性图片区域是一个提高三维重建效果的重要方法。不管在稠密重建和稀疏重建，对特定的目标区域添加UV图，并可以对特定区域内的稀疏或者稠密点云深度进行优化。 当然，使用较为传统的方法，作为一个耗时的工程，通过激光器扫描的稠密表面点云，然后经过图片传统经验方法进行分割贴图，是一个效果更好的方法。但在此不做讨论，只讨论使用单一方法提高三维重建的 可视化效果。 FCN-DeepLab中的MASK获得 严格地说，FCN系列目的并非形成Mask，而是基于分割的思路，而Mask是基于目标检
Detect-and-Track论文：3D Mask R-CNN Caffe2源代码解析——2.ResNet18_3D解析
小小顺利的博客
02-21 2978
在上一篇博文中，我们对Detect-and-Track论文源码中模型构建部分进行了代码梳理，此篇博文我们对其采用的主干网络ResNet18进行详细分析。 参考内容链接如下： Detect-and-Track论文：【网页链接】 Detect-and-Track源代码：【网页链接】 目录 一、ResNet简单回顾 二、3D Mask R-CNN代码实现（/lib/modeling/R...
mask-rcnn扩展
lanyuxuan100的博客
12-11 801
由Faster-rcnn到mask-rcnn，即Faster-rcnn到Faster-rcnn-mask； 由ssd到ssd-3d，再到ssd-3d-mask； 由MV3D到MV3D-MASK； 目前这些工作都是可以进行的，从caffe中的Faster-rcnn中ROI pooling转换为ROI Algin即可。
video-caffe 搭建3DCNN并训练UCF-101例子
feynman233的博客
04-08 8000
video-caffe 搭建3DCNN并训练UCF-101例子video-caffe github地址：https://github.com/chuckcho/video-caffe编译过程：Key steps to build video-caffe are: 1.git clone https://github.com/chuckcho/video-caffe.git 2.cd video-ca
CNN训练自己的数据
weixin_30564901的博客
05-08 441
1、准备数据 将自己的数据放到train 和 val 文件夹下，然后使用create_imagefile.py 制作txt列表文件,生成train.txt和val.txt 2、使用 shell 脚本 create_mydata.sh 制作lmdb格式数据 3、通过脚本make_mydata_mean.sh制作均值文件mydata.binaryproto 4、修改网络配置proto文件和...
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