mask-RCNN 学习笔记1

论文：https://arxiv.org/pdf/1703.06870.pdf

摘要：

我们提出了一个概念上简单，灵活，通用的对象实例分割框架。我们的方法有效地检测图像中的对象，同时为每个实例生成高质量的分割掩码。该方法称为Mask R-CNN，通过增加一个与现有分支并行的用于预测掩码对象的分支来增强Fast R-CNN的边界检测能力。 Mask R-CNN易于训练，比起Fast R-CNN只增加了一点点开销，运行速度为5 fps。此外，Mask R-CNN很容易推广到其他任务，例如，利用同一框架可以预测人体姿势。我们在COCO挑战中针对三个方面展示了最佳结果，包括实例分割，boundingbox检测和人员关键点检测。没有花哨，Mask R-CNN在每项任务中都优于所有现有的单一模型，包括COCO 2016挑战赛冠军。我们希望我们简单有效的方法将成为一个坚实的基线，并有助于简化未来在实例级认可方面的研究。代码已在以下网址获得：https://github.com/facebookresearch/Detectron

*************************

笔记：

fps：帧率，每秒帧数

标注工具：

https://github.com/wkentaro/labelme

代码：

https://github.com/matterport/Mask_RCNN

https://github.com/TuSimple/mx-maskrcnn

需要学习的参考文献：

[9] R. Girshick. Fast R-CNN. In ICCV, 2015. 1, 2, 3, 4, 6 
 

[28] S. Ren, K. He, R. Girshick, and J. Sun. Faster R-CNN: To- wards real-time object detection with region proposal net- works. In NIPS, 2015. 1, 2, 3, 4, 7 
 

[23] J. Long, E. Shelhamer, and T. Darrell. Fully convolutional networks for semantic segmentation. In CVPR, 2015. 1, 3, 6 


[16] J. Huang, V. Rathod, C. Sun, M. Zhu, A. Korattikara, A. Fathi, I. Fischer, Z. Wojna, Y. Song, S. Guadarrama, et al. Speed/accuracy trade-offs for modern convolutional object 
detectors. arXiv:1611.10012, 2016. 2, 3, 4, 5, 7 
 

*************************

标注工具以及各式转换：

https://blog.csdn.net/Diana_Z/article/details/83585071

COCO安装、下载：

https://blog.csdn.net/Diana_Z/article/details/83576598

*************************

代码使用（matterport）：【2】

1、下载代码

2、安装包

3、在文件夹所在目录下运行setup

4、代码：【5】

5、首先测试demo的使用，该代码试一个模型检测代码

打开demo.ipynb，将代码复制粘贴到一个demo.py文件中（自己新建），然后正常运行文件。【6】

然后就开始运行了

并输出了一个结果

6、进行自己的训练：saple/shapes/train_shapes.ipynb

该代码当中的数据图片是直接生成的形状图片，没有导入额外的数据集，是一个模型的应用

首先同样将train_shapes.ipynb的代码复制到train_shapes.py中

然后运行。

7、inspect_data使用

https://blog.csdn.net/Diana_Z/article/details/83578400

8、inspect_model

https://blog.csdn.net/Diana_Z/article/details/83579690

*************************

其他参考：

应用的例子：

【1】https://blog.csdn.net/u014525760/article/details/79931485（官方代码）

【2】https://blog.csdn.net/ghw15221836342/article/details/80084984

https://blog.csdn.net/l297969586/article/details/79140840/

https://www.cnblogs.com/wangyong/p/9305347.html

论文翻译：

https://blog.csdn.net/myGFZ/article/details/79136610（*）

https://blog.csdn.net/xiaqunfeng123/article/details/78716136

代码使用参考：

【5】https://blog.csdn.net/ghw15221836342/article/details/80084984

【4】https://blog.csdn.net/wei_guo_xd/article/details/78579534

【3】https://blog.csdn.net/wei_guo_xd/article/details/73729581

【6】https://blog.csdn.net/gu511640/article/details/80242454

【7】https://blog.csdn.net/daniaokuye/article/details/78699138 

https://blog.csdn.net/qq_15969343/article/details/80893844（代码注释）

【8】https://blog.csdn.net/u014734886/article/details/78830713