首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Mask-RCNN_推断网络:总览

Mask-RCNN_推断网络:总览

作者头像
机器学习AI算法工程
发布2020-06-04 15:01:23
2860
发布2020-06-04 15:01:23
举报
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图片进行推断,得到相关信息,即inference模式的工作原理。

https://github.com/Hellcatzm/Mask_RCNN/blob/master/samples/demo.ipynb

一、调用推断网络

网络配置

首先进行配置设定,设定项都被集成进class config中了,自建新的设定只要基础改class并更新属性即可,在demo中我们直接使用COCO的预训练模型所以使用其设置即可,但由于我们想检测单张图片,所以需要更新几个相关数目设定:

模型初始化

首先初始化模型,然后载入预训练参数文件,在末尾我可视化了模型,不过真的太长了,所以注释掉了。在第一步初始化时就会根据mode参数的具体值建立计算图,本节介绍的推断网络就是在mode参数设定为"inference"时建立的计算网络。

检测图片

读取一张图片,调用model的detect方法,即可输出结果,最后使用辅助方法可视化结果:

二、推断逻辑概览

inference的前向逻辑如下图所示,我们简单的看一下其计算流程是怎样的,

  1. 左上模块为以ResNet101为基础的FPN特征金字塔网络的特征提取逻辑,可以看到,作者并没有直接将up-down特征使用,而是又做了一次3*3卷积进行了进一步的特征融合。
  2. 出来的各层FPN特征首先(各自独立地)进入了RPN处理层:根据锚框数目信息确定候选区域的分类(前景背景2分类)和回归结果。

具体每种张量的意义我们会在源码分析中一一介绍。

深度学习视频资源,由浅入深讲解,通俗易懂。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-05-31,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器学习AI算法工程 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一、调用推断网络
    • 网络配置
      • 模型初始化
        • 检测图片
        • 二、推断逻辑概览
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档