Mask R-CNN によるインスタンスセグメンテーション

PyTorch で学ぶ画像向け Deep Learning

Michal Oleszak

Machine Learning Engineer

Faster R-CNN

Faster R-CNN のアーキテクチャ図

Mask R-CNN

Mask R-CNN のアーキテクチャ図

PyTorch の事前学習済み Mask R-CNN

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)

Mask R-CNN をインポート
事前学習モデルを読み込み
テスト画像を読み込み、テンソル化

ノートPCの隣に座る猫の写真

画像テンソルをモデルに渡す

モデルの出力

ラベル

prediction[0]["labels"]

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

クラス名

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

cat laptop

クラス確率

prediction[0]["scores"]

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

マスク

prediction[0]["masks"]

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

ソフトマスク

マスクの一意な値

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

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

Mask R-CNN のマスク:
- 0〜1 の値
- 各ピクセルが物体に属する確率（信頼度）を表す
- バイナリマスクより情報が豊富
- 必要に応じてしきい値で二値化可能

ソフトマスクの表示

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()

予測からマスクとラベルを取得
上位2件を繰り返し、元画像を描画
各物体に半透明のマスクを重ねて表示
タイトルを付けて表示

ソフトマスクの表示

画像に重ねたインスタンスセグメンテーションのマスク

練習しましょう！

PyTorch で学ぶ画像向け Deep Learning