使用 Mask R-CNN 的实例分割

使用 PyTorch 进行图像深度学习

Michal Oleszak

Machine Learning Engineer

Faster R-CNN

Faster R-CNN 架构示意图

Mask R-CNN

Mask R-CNN 架构示意图

PyTorch 中的预训练 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)

导入 Mask R-CNN 模型
加载预训练模型
加载测试图像并转换为张量

一只猫坐在笔记本电脑旁的照片

将图像张量传入模型

模型输出

标签

prediction[0]["labels"]

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

类名

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

cat laptop

类别概率

prediction[0]["scores"]

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

掩码

prediction[0]["masks"]

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

软掩码

唯一的掩码取值

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

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

Mask R-CNN 掩码：
- 取值在 0 到 1 之间
- 表示模型对每个像素属于该目标的置信度
- 比二值掩码信息更细致
- 需要时可用阈值二值化

显示软掩码

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()

从预测中提取掩码和标签
遍历前两个目标，并绘制原图
为每个目标叠加半透明掩码
添加标题并显示

显示软掩码

实例分割掩码叠加在图像上

¡Vamos a practicar!

使用 PyTorch 进行图像深度学习