如何解决如何通过 Mask RCNN 改进掩码预测?
如何通过 Mask RCNN 模型改进掩码预测?在我的情况下,边界框和类别预测似乎没问题。遮罩对于小物体是可以接受的,但对于大物体则不能。其他图像的故事也类似。这是我的配置:
rpn_ANCHOR_SCALES = (16,32,64,128,256)
TRAIN_ROIS_PER_IMAGE = 64
MAX_GT_INSTANCES = 50
POST_NMS_ROIS_INFERENCE = 500
POST_NMS_ROIS_TRAINING = 1000
USE_MINI_MASK 真
MASK_SHAPE [28,28]
MINI MASK_SHAPE [56,56]
LEARNING_RATE = 0.001
LEARNING_MOMENTUM = 0.9
WEIGHT_DECAY = 0.0001
EPOCHS = 500
任何建议都会很棒!
解决方法
想更新我的帖子。我通过将默认 mask_shape 更改为 [56,56] 来提高我的准确性。为了能够更改配置,应在 model.train py 中添加一个额外的 conv2dtranspose 层
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。