كيف قمت بتدريب نموذج الكشف عن السدادات وتجزئتها

مرحبا هابر! اليوم أريد أن أشارك حالتي. سيؤدي اكتشاف الأختام إلى أتمتة العديد من المهام الروتينية ، مما يجعل العمل البشري أسهل. لمهمتي ، أستخدم نموذج Mask R-CNN .

قناع R-CNN عبارة عن هيكل من مرحلتين: في المرحلة الأولى ، يتم مسح الصورة ضوئيًا ويتم إنشاء  جمل  (مناطق قد تحتوي على كائن). في الخطوة الثانية ، يتم تصنيف الجمل وإنشاء المربعات والأقنعة المحيطة.

ما هو التقسيم؟

التقسيم هو مهمة تحديد معالم كائن على مستوى البكسل. بالمقارنة مع مهام الرؤية الحاسوبية المتشابهة ، فهذه من أصعب مهام الرؤية ، يرجى ملاحظة الأسئلة التالية:

التصنيف: يوجد قطة في هذه الصورة.

اكتشاف الكائن:  في هذه الصورة ، هناك قطتان وكلب وبطة في هذه المواقع. لقد بدأنا في النظر في الكائنات المتداخلة.

التقسيم: توجد 4 نوافذ منبثقة في هذه المواقع وهذه هي وحدات البكسل التي يمتلكها كل منها.

تحضير مجموعة بيانات للتدريب

, ( ), . . 2 .  .  - .

, , 2 ? , . . , , COCO ( Mask R-CNN ).  COCO   , (~ 120 ), , , .

 VIA (VGG Image Annotator). HTML-, .  , , 20 .

.  PNG, - .  , , .

VIA JSON, .  , , JSON.  , , .

: -  coco.py  .  .  seal.py

SealDataset



:

class SealDataset(utils.Dataset):
    def load_balloons(self, dataset_dir, subset):
        ...
    def load_mask(self, image_id):
        ...
    def image_reference(self, image_id):
        ...
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

load_balloons



JSON,  add_class



 add_image



.

load_mask



  .

image_reference



, .  .

, .   load_image



 Dataset



.  .

, ,   Jupyter .  , , , , .  , :

: ,   inspect_data.ipynb , COCO, , Seal.

, COCO, 3 .   Dataset



,  Config



:

class BalloonConfig(Config):
    # Give the configuration a recognizable name
    NAME = "seal"
    # Number of classes (including background)
    NUM_CLASSES = 1 + 1  # Background + seal
    # Number of training steps per epoch
    STEPS_PER_EPOCH = 100
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

1024x1024 .  .  , .

R-CNN - . . Quadro M2000 c 4 . 3-4 .

,  seal



.  , COCO.  :

python seal.py train --dataset=/// --model=coco
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

, :

python seal.py train --dataset=/// --model=last
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

   inspect_seal_model  , .  , .

يمكنك تنزيل الموازين مسبقة الصنع للكشف والتجزئة من هنا . لاستخدام ، أضف المشروع إلى مجلد العينات في Mask R-CNN. إذا كانت هناك حاجة إلى مجموعة بيانات ، فاكتب إليّ على البريد الإلكتروني: galym55010@gmail.com