遥感影像实例分割:Cascade Mask RCNN训练自己的数据

遥感影像实例分割:Cascade Mask RCNN训练自己的数据_第1张图片

Mask RCNN网络是在Faster RCNN的基础上加入了与Box分支并行的Mask分支,前一篇文章介绍了如何使用自己的数据训练Cascade Faster RCNN模型:遥感影像实例分割:Cascade Faster RCNN训练自己的数据,同样我们也可以在Cascade Faster RCNN中加入mask 分支,完成实例分割的任务,对于Mask RCNN,Mask分支是被加入到RoIHead中,但是在Cascade RCNN中,ROIHeads有3个stage,这里就有两个问题,

1、Mask分支加入到哪个stage中?
2、需要加入几个Mask分支?

针对上述两个问题,作者给出了3个方案,即①将Mask分支分别加入到第1个stage中,②将Mask分支加入第3个stage中,③将Mask分支加入到3个stage中。针对这三种方案,作者做了对比分析,最终的选择第①种方案作为Cascade Mask RCNN网络的最终架构,因为该方案能够兼顾计算复杂度和精度。

一、Cascade Mask RCNN模型

因为我们已经在上一篇文章中实现了Cascade Faster RCNN了,Cascade Mask RCNN是在Cascade Faster RCNN中ROIHeads的第1个stage中加入Mask分支,因此我们直接继承Cascade Faster RCNN&

你可能感兴趣的:(遥感图像处理,深度学习,Cascade,MaskRCNN,遥感影像,实例分割)