OpenCV4.0 Mask RCNN 实例分割示例 C+/Python实现

点击我爱计算机视觉标星,更快获取CVML新技术

前几天OpenCV4.0-Alpha发布,其中新增实例分割Mask RCNN模型是这次发布的亮点之一。

图像实例分割即将图像中目标检测出来并进行像素级分割。

昨天learnopencv.com博主Satya Mallick发表博文,详述了使用新版OpenCV加载TensorFlow Object Detection Model Zone中的Mask RCNN模型实现目标检测与实例分割的应用。使用C++/Python实现的代码示例,都开源了。

先来看看作者发布的结果视频:

从视频可以看出,2.5GHZ i7 处理器每帧推断时间大约几百到2000毫秒

TensorFlow Object Detection Model Zone中现在有四个使用不同骨干网(InceptionV2, ResNet50, ResNet101 和 Inception-ResnetV2)的Mask RCNN模型,这些模型都是在MSCOCO 数据库上训练出来的,其中使用Inception的模型是这四个中最快的。Satya Mallick博文中正是使用了该模型。

Mask RCNN网络架构

OpenCV使用Mask RCNN目标检测与实例分割流程:

1)下载模型。

地址:

http://download.tensorflow.org/models/object_detection/

现有的四个模型:

2)参数初始化。

设置目标检测的置信度阈值和Mask二值化分割阈值。

3)加载Mask RCNN模型、类名称与可视化颜色值。

mscoco_labels.names包含MSCOCO所有标注对象的类名称。

colors.txt是在图像上标出某实例时其所属类显示的颜色值。

frozen_inference_graph.pb模型权重。

mask_rcnn_inception_v2_coco_2018_01_28.pbtxt文本图文件,告诉OpenCV如何加载模型权重。

OpenCV已经给定工具可以从给定模型权重提取出文本图文件。详见:

https://github.com/opencv/opencv/wiki/TensorFlow-Object-Detection-API

OpenCV支持CPU和OpenCL推断,但OpenCL只支持Intel自家GPU,Satya设置了CPU推断模式(cv.dnn.DNN_TARGET_CPU)。

4)读取图像、视频或者摄像头数据。

5)对每一帧数据计算处理。

主要步骤如图:

6)提取目标包围框和Mask,并绘制结果。

C++/Python代码下载:

https://github.com/spmallick/learnopencv/tree/master/Mask-RCNN

原博文地址:

https://www.learnopencv.com/deep-learning-based-object-detection-and-instance-segmentation-using-mask-r-cnn-in-opencv-python-c/

【点赞与转发】就是一种鼓励

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181002A12TZM00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券