DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析(Ⅰ)

目录

1.Mask R-CNN源码地址

2.Mask R-CNN效果 

3.项目配置 

4.源码使用    


1.Mask R-CNN源码地址

Mask R-CNN源码地址icon-default.png?t=MBR7https://github.com/matterport/Mask_RCNN/releases        这里我们拿Mask R-CNN2.1版本进行讲解。

2.Mask R-CNN效果 

        最传统最核心的功能就是物体检测了,效果如下图:

        同时,其不单单进行了物体检测,还做了物体分类(车、人、灯牌的判定)以及置信度检验。同时都是车的话它的颜色也不同,这是实例分割的内容。

3.项目配置 

DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析(Ⅰ)_第1张图片

        源码的目录结构是这样的:

DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析(Ⅰ)_第2张图片

        这个目录结构下记录着训练模型保存的位置,按时间进行保存。

DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析(Ⅰ)_第3张图片

        其中的每个文件对应着某一个epoch。

4.源码使用    

DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析(Ⅰ)_第4张图片

        代码量还是非常大的....

        主要代码集中在model.py:脚本的内容是模型是怎么一步步运行起来的。

        utils.py:辅助计算用到的一些小方法

        环境:推荐使用最低版本(不会出奇怪的bug)

        我们环境配置好后要训练第一件事是打开balloon.py测试配置参数:DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析(Ⅰ)_第5张图片

        粘贴到这里:

DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析(Ⅰ)_第6张图片

        训练ing......

        测试和训练差不多:首先测试配置参数

DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析(Ⅰ)_第7张图片

        这里第二行参数是训练完成的图片放在哪个位置。

        可以看到,对气球进行了实例分割。

        最后我们看看标注文件:

DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析(Ⅰ)_第8张图片

        提供了x、y坐标.......

你可能感兴趣的:(DynaSLAM,代码解析,cnn,深度学习,人工智能)