MaskRCNN入门路径–> Mask-RCNN应用研究方法 - 持续更新中
如有问题或需要指导,请私聊留下联系方式用手机打开https://m.tb.cn/h.fINaraE?tk=PCzA2jPp4V0进行咨询
Complete:2021/01/31 - 文章内容完成
Update :2021/01/31 - 文章内容更新
吐槽:因为工作原因,好久没有更新了。。偶尔有闲暇的时间能够再次打开博客,决定写一下很多人遇到的问题。倒不是因为这个问题有多么重要,而是在学习和工作中,不仅是Mskrcnn,任何一个神经网络的训练都离不开数据集,而数据集的格式前差万别,本文仅通过记录总结Maskrcnn对于数据集的支持和使用方法,引导各位读者思考自己不同格式数据的接入方法。
前言
1、为什么要讨论数据集的格式及使用问题
- 我们都知道,目前图像领域常用的数据集标注格式是VOC和COCO两种格式。然而在我们学习和工作工程中,无论是出于保密要求还是处于便利性的考虑,都有可能需要其他类型的数据格式。在这样的前提下,如何将数据集更快的接入到自己的神经网络中,成为大多数人在进行数据处理下面临的必修课之一。
2、Maskrcnn支持什么样的数据格式
- 当然本文所讨论的Maskrcnn算法依然是matterport/Mask_RCNN
- Maskrcnn作为实例分割的算法,他的数据集必须带有segementation,不能像Yolo的数据集一样仅仅有Location功能。
- 在上一个前提下,MaskRCNN对于数据集格式并没有什么特别的限制。作为一个极度开源的python中的一份子,就像标准的充电接口一般,你可以按照自己任意的想法创造自己的电源,只要符合充电接口的标准即可。
- Maskrcnn对于Labelme、coco、voc数据集都有成熟的接入方案,以下列出
主要数据格式及使用方法
主要数据集格式之间的转换汇总
以下旨在总结比较好的文章,还是注重引导大家自主学习和了解方法,不是一键傻瓜生成,当然有时间我可以尝试做一个。。
关于具体问题以及其中的技巧,可以私信联系我