मास्क आर-सीएनएन के साथ इंस्टेंस सेगमेंटेशन

समस्याओं को खत्म करने के लिए हमारे साधन का प्रयास करें

ऑपरेटिंग सिस्टम का चयन करें प्रक्षेपण का एक कार्यक्रम चुनें (वैकल्पिक रूप से)

अपनी समस्या का वर्णन करें

YOLO, R-CNN जैसे ऑब्जेक्ट डिटेक्शन मॉडल हमें ऑब्जेक्ट के चारों ओर एक बाउंडिंग बॉक्स बनाने में मदद करते हैं, और इंस्टेंस सेगमेंटेशन हमें छवि में प्रत्येक ऑब्जेक्ट के लिए पिक्सेल-वार मास्क प्रदान करता है। एक सवाल उठ सकता है कि हमें पिक्सल बाय पिक्सल लोकेशन की जरूरत क्यों है?

अगर हम सेल्फ-ड्राइविंग कारों में सिर्फ ऑब्जेक्ट डिटेक्शन का इस्तेमाल करते हैं तो संभावना है कि कई कारों के बाउंडिंग बॉक्स ओवरलैप हो जाएं, ऐसी स्थिति में सेल्फ-ड्राइविंग कार भ्रमित हो जाएगी। इंस्टेंस सेगमेंटेशन इस दोष से बच सकता है। क्षति का पता लगाने और चिकित्सा निदान कुछ अन्य अनुप्रयोग हैं जो मेरे दिमाग में आते हैं क्योंकि क्षति की सीमा या ब्रेन ट्यूमर के आकार को जानना सिर्फ उपस्थिति का पता लगाने से महत्वपूर्ण हो सकता है।

पोस्ट के लिए छवि

इंटरसेक्टिंग बाउंडिंग बॉक्स और नॉन-ओवरलैपिंग मास्क

व्यू ड्रैग एंड ड्रॉप

ऊपर की छवि में, हम देख सकते हैं कि कारों के बाउंडिंग बॉक्स एक दूसरे को काट रहे हैं और 'कार' वर्ग के नाम वाले मास्क प्रतिच्छेद/अतिव्यापी नहीं हैं।

html 5 और css3 ट्यूटोरियल

इसलिए, हम मास्क आर-सीएनएन (मास्क रीजनल-सीएनएन) का उपयोग करके इंस्टेंस सेगमेंटेशन करने के तरीके के बारे में जानेंगे, जिसके बाद मास्क आर-सीएनएन का उपयोग करके हम पिक्सेल स्थानों और प्रत्येक ऑब्जेक्ट के बाउंडिंग बॉक्स को-ऑर्डिनेट दोनों को प्राप्त कर सकते हैं। छवि।

मास्क आर-सीएनएन

मास्क आर-सीएनएन क्लास और बॉक्स आउटपुट के अलावा अतिरिक्त मास्क आउटपुट प्राप्त करने के लिए फास्टर आर-सीएनएन और एफसीएन (पूरी तरह से कनेक्टेड नेटवर्क) को जोड़ती है। यही है, मास्क आर-सीएनएन एक समान पहले चरण (जो आरपीएन: रीजन प्रपोजल नेटवर्क है) के साथ समान दो-चरण प्रक्रिया को अपनाता है। दूसरा चरण प्रत्येक उम्मीदवार बॉक्स से RoIPool का उपयोग करता है और वर्गीकरण और बाउंडिंग-बॉक्स प्रतिगमन करता है। इस पेपर को पढ़ें मास्क आर-सीएनएन का अधिक विस्तृत विचार प्राप्त करने के लिए

पोस्ट के लिए छवि

औसत एंड्रॉइड को अनइंस्टॉल कैसे करें

मास्क आर-सीएनएन मॉडल

मैंने उदाहरण के विभाजन के लिए मैटरपोर्ट द्वारा FPN और ResNet101 पर निर्मित मास्क R-CNN का उपयोग किया है। यह मॉडल पूर्व-प्रशिक्षित है एमएस कोको जो बड़े पैमाने पर ऑब्जेक्ट डिटेक्शन, सेगमेंटेशन और कैप्शनिंग डेटासेट है जिसमें 80 ऑब्जेक्ट क्लासेस हैं।

कोड के माध्यम से जाने से पहले सभी आवश्यक पैकेज और मास्क आर-सीएनएन स्थापित करना सुनिश्चित करें।

केरस और अन्य निर्भरताएँ स्थापित करें:

$ pip install numpy scipy keras h5py tensorflow $ pip install pillow scikit-image matplotlib imutils $ pip install 'IPython[all]'

GitHub रिपॉजिटरी को क्लोन करें और मास्क R-CNN के मैटरप्लॉट कार्यान्वयन को स्थापित करें

आप एक्लिप्स क्रिप्टो कहां से खरीद सकते हैं?

$git clone https://github.com/matterport/Mask_RCNN.git $cd Mask_RCNN $python setup.py install

नोट: यदि आपने स्थापित या उपयोग किया है टेंसरफ़्लो v2.0 तब आपको स्क्रिप्ट निष्पादित करते समय कुछ ट्रेसबैक त्रुटियों का सामना करना पड़ सकता है क्योंकि मास्क आर-सीएनएन उपयोग करता है टेंसरफ़्लो v1.3.0

#डेटा-विज्ञान #गहरा-सीखना #कृत्रिम-बुद्धिमत्ता #कंप्यूटर-दृष्टि

ओरडाटासाइंस.कॉम