博客中介绍的代码主要是./mrcnn
中的文件,它们是模型构建的主干,以及部分./sample
中的文件,它们展示了如何训练并测试网络
『计算机视觉』Mask-RCNN_论文学习
『计算机视觉』Mask-RCNN_项目文档翻译
『计算机视觉』Mask-RCNN_推断网络其一:总览
『计算机视觉』Mask-RCNN_推断网络其二:基于ReNet101的FPN共享网络暨TensorFlow和Keras交互简介
『计算机视觉』Mask-RCNN_推断网络其三:RPN锚框处理和Proposal生成
『计算机视觉』Mask-RCNN_推断网络其四:FPN和ROIAlign的耦合
『计算机视觉』Mask-RCNN_推断网络其五:目标检测结果精炼
『计算机视觉』Mask-RCNN_推断网络其六:Mask生成
『计算机视觉』Mask-RCNN_推断网络终篇:使用detect方法进行推断
『计算机视觉』Mask-RCNN_锚框生成
『计算机视觉』Mask-RCNN_训练网络其一:数据集与Dataset类
『计算机视觉』Mask-RCNN_训练网络其二:train网络结构
『计算机视觉』Mask-RCNN_训练网络其三:训练Model
将本工程改造为关键点检测项目:
Mask_RCNN_KeyPoints
记录博客:
『计算机视觉』Mask-RCNN_从服装关键点检测看KeyPoints分支
『TensorFlow』分类问题与交叉熵
『计算机视觉』感受野和anchor
『计算机视觉』FPN特征金字塔网络
『计算机视觉』经典RCNN_其一:从RCNN到Faster-RCNN
『计算机视觉』经典RCNN_其二:Faster-RCNN
在上面博客中其实已经有介绍相关脚本的使用方式,这里还是更直接的给出代码链接:
模拟训练模型脚本: ./sample/shapes/train_shapes.ipynb
coco数据训练相关: ./samples/coco
coco预训练模型测试脚本: ./sample/demo.ipynb