『计算机视觉』Mask-RCNN_推断网络其六：Mask生成
一、Mask生成概览 上一节的末尾，我们已经获取了待检测图片的分类回归信息，我们将回归信息（即待检测目标的边框信息）单独提取出来，结合金字塔特征mrcnn_feature_maps，进行Mask生成工作（input_image_meta用于提取输入图片长宽，进行金字塔ROI处理 ...
原文：『计算机视觉』Mask-RCNN_推断网络终篇：使用detect方法进行推断
一 detect和build 前面多节中我们花了大量笔墨介绍build方法的inference分支，这节我们看看它是如何被调用的。 在dimo.ipynb中，涉及model的操作我们简单进行一下汇总，首先创建图并载入预训练权重， 然后规范了类别序列， 实际开始检测的代码块如下， 经由model.detect方法，调用model.build方法 也就是我们前面多节在讲解的方法 构建图，实施预测。 二 ...
2018-10-25 10:11 0 4185 推荐指数：
相关推荐
『计算机视觉』Mask-RCNN_推断网络其四：FPN和ROIAlign的耦合
一、模块概述 上节的最后，我们进行了如下操作获取了有限的proposal， # [IMAGES_PER_GPU, num_rois, (y1, x1, y2, x2)] # IMAGES_PER_GPU取代了batch，之后说的batch都是IMAGES_PER_GPU ...
『计算机视觉』Mask-RCNN_推断网络其五：目标检测结果精炼
一、Detections网络 经过了ROI网络，我们已经获取了全部推荐区域的信息，包含： 推荐区域特征（ROIAlign得到） 推荐区域类别 推荐区域坐标修正项（deltas） 再加上推荐区域原始坐标[IMAGES_PER_GPU, num_rois, (y1, x1 ...
『计算机视觉』Mask-RCNN_推断网络其一：总览
在我们学习的这个项目中，模型主要分为两种状态，即进行推断用的inference模式和进行训练用的training模式。所谓推断模式就是已经训练好的的模型，我们传入一张图片，网络将其分析结果计算出来的模式。 本节我们从demo.ipynb入手，一窥已经训练好的Mask-RCNN模型如何根据一张输入 ...
『计算机视觉』Mask-RCNN_推断网络其三：RPN锚框处理和Proposal生成
一、RPN锚框信息生成 上文的最后，我们生成了用于计算锚框信息的特征（源代码在inference模式中不进行锚框生成，而是外部生成好feed进网络，training模式下在向前传播时直接生成锚框，不过实际上没什么区别，锚框生成的讲解见『计算机视觉』Mask-RCNN_锚框生成 ...
『计算机视觉』Mask-RCNN_推断网络其二：基于ReNet101的FPN共享网络暨TensorFlow和Keras交互简介
零、参考资料 有关FPN的介绍见『计算机视觉』FPN特征金字塔网络。 网络构架部分代码见Mask_RCNN/mrcnn/model.py中class MaskRCNN的build方法的"inference"分支。 1、Keras调用GPU设置 【*】指定GPU import os ...
『计算机视觉』Mask-RCNN_训练网络其一：数据集与Dataset类
Github地址：Mask_RCNN 『计算机视觉』Mask-RCNN_论文学习 『计算机视觉』Mask-RCNN_项目文档翻译 『计算机视觉』Mask-RCNN_推断网络其一：总览 『计算机视觉』Mask-RCNN_推断网络其二：基于ReNet101的FPN共享网络 『计算机视觉 ...
『计算机视觉』Mask-RCNN_训练网络其二：train网络结构&损失函数
Github地址：Mask_RCNN 『计算机视觉』Mask-RCNN_论文学习 『计算机视觉』Mask-RCNN_项目文档翻译 『计算机视觉』Mask-RCNN_推断网络其一：总览 『计算机视觉』Mask-RCNN_推断网络其二：基于ReNet101的FPN共享网络 『计算机视觉 ...