Segmentasi instance dengan Mask R-CNN

Deep Learning untuk Gambar dengan PyTorch

Michal Oleszak

Machine Learning Engineer

Faster R-CNN

Diagram arsitektur Faster R-CNN

Mask R-CNN

Diagram arsitektur Mask R-CNN

Mask R-CNN pralatih di PyTorch

from torchvision.models.detection import \
maskrcnn_resnet50_fpn


model = maskrcnn_resnet50_fpn(pretrained=True)
model.eval()


image = Image.open("cat_and_laptop.jpg")
transform = transforms.Compose([
    transforms.ToTensor()
])
image_tensor = transform(image).unsqueeze(0)


with torch.no_grad():
    prediction = model(image_tensor)

Impor model Mask R-CNN
Muat model pralatih
Muat gambar uji dan ubah ke tensor

foto kucing duduk di samping laptop

Berikan tensor gambar ke model

Keluaran model

Label

prediction[0]["labels"]

tensor([
    17, 73, 76, 73, 67, 42, 63, 84,73, 65, 
    17, 73, 73, 73, 84, 72, 76, 76,17, 15
])

Nama kelas

print(class_names[17], class_names[73])

cat laptop

Probabilitas kelas

prediction[0]["scores"]

tensor([
    0.9981, 0.9672, 0.9061, 0.6893, 0.3729, 
    ..., 
    0.0745, 0.0705, 0.0623, 0.0610, 0.0508
])

Mask

prediction[0]["masks"]

tensor([[[[0., 0., 0.,  ..., 0., 0., 0.],
          ...]]]])

Mask lunak

Nilai mask unik

prediction[0]["masks"].unique()

tensor([0.0000e+00, 5.9713e-08, ..., 
        9.9989e-01, 9.9990e-01])

Mask R-CNN menghasilkan mask lunak:
- Nilai antara 0 dan 1
- Menunjukkan keyakinan model tiap piksel milik objek
- Lebih informatif daripada mask biner
- Dapat dibinerkan dengan ambang jika perlu

Menampilkan mask lunak

masks = prediction[0]["masks"]
labels = prediction[0]["labels"]


for i in range(2):
    plt.imshow(image)

    plt.imshow(
        masks[i, 0],
        cmap="jet",
        alpha=0.5,
    )

    plt.title(
        f"Object: {class_names[labels[i]]}"
    )
    plt.show()

Ambil mask dan label dari prediksi
Ulangi untuk dua objek teratas, tampilkan gambar asli
Untuk tiap objek, plot mask semi-transparan
Tambahkan judul dan tampilkan

Menampilkan mask lunak

Mask segmentasi instance ditumpangkan pada gambar

Ayo berlatih!

Deep Learning untuk Gambar dengan PyTorch