0
雷鋒網(wǎng) AI 科技評(píng)論按：本文由「圖普科技」編譯自Using Tensorflow Object Detection to Do Pixel Wise Classification。
最近，TensorFlow 的「物體檢測(cè) API」有了一個(gè)新功能，它能根據(jù)目標(biāo)對(duì)象的像素位置來(lái)確定該對(duì)象的像素。換句話(huà)來(lái)說(shuō)，TensorFlow 的物體檢測(cè)從原來(lái)的圖像級(jí)別成功上升到了像素級(jí)別。
使用 TensorFlow 的「物體檢測(cè) API」圖片中的物體進(jìn)行識(shí)別，最后的結(jié)果是圖片中一個(gè)個(gè)將不同物體框起來(lái)的方框。最近，這個(gè)「物體檢測(cè) API」有了一個(gè)新功能，它能根據(jù)目標(biāo)對(duì)象的像素位置確定該對(duì)象的像素，實(shí)現(xiàn)物體的像素分類(lèi)。
TensorFlow 的物體檢測(cè) API 模型——Mask-RCNN
「實(shí)例分割」是物體檢測(cè)的延伸，它能讓我們?cè)谄胀ǖ奈矬w檢測(cè)的基礎(chǔ)上獲取關(guān)于該對(duì)象更加精確、全面的信息。
在什么情況下我們才需要這樣精確的信息呢？
無(wú)人駕駛汽車(chē)
為了確保安全，無(wú)人駕駛汽車(chē)需要精確定位道路上其他車(chē)輛和行人。
機(jī)器人系統(tǒng)
機(jī)器人在連接兩個(gè)部件時(shí)，如果知道這兩個(gè)部件的確切位置，那么機(jī)器人的操作就會(huì)更加高效、準(zhǔn)確。
「實(shí)例分割」的方法有很多，TensorFlow 進(jìn)行「實(shí)例分割」使用的是 Mask RCNN 算法。
Mask RCNN 算法架構(gòu)
在介紹 Mask RCNN 之前，我們先來(lái)認(rèn)識(shí)一下 Faster R-CNN。
Faster-RCNN 是一個(gè)用于物體檢測(cè)的算法，它被分為兩個(gè)階段：第一階段被稱(chēng)為「候選區(qū)域生成網(wǎng)絡(luò)」（RPN），即生成候選物體的邊框；第二階段本質(zhì)上是 Fast R-CNN 算法，即利用 RolPool 從每個(gè)候選邊框獲取對(duì)象特征，并執(zhí)行分類(lèi)和邊框回歸。這兩個(gè)階段所使用的特征可以共享，以更快地獲得圖像推算結(jié)果。
Faster R-CNN 對(duì)每個(gè)候選對(duì)象都有兩個(gè)輸出，一個(gè)是分類(lèi)標(biāo)簽，另一個(gè)是對(duì)象邊框。而 Mask-RCNN 就是在 Faster R-CNN 的兩個(gè)輸出的基礎(chǔ)上，添加一個(gè)掩碼的輸出，該掩碼是一個(gè)表示對(duì)象在邊框中像素的二元掩碼。但是這個(gè)新添加的掩碼輸出與原來(lái)的分類(lèi)和邊框輸出不同，它需要物體更加精細(xì)的空間布局和位置信息。因此，Mask R-CNN 需要使用「全卷積神經(jīng)網(wǎng)絡(luò)」（FCN）。
全卷積神經(jīng)網(wǎng)絡(luò)（FCN）的算法架構(gòu)
「全卷積神經(jīng)網(wǎng)絡(luò)」是「語(yǔ)義分割」中十分常見(jiàn)的算法，它利用了不同區(qū)塊的卷積和池化層，首先將一張圖片解壓至它原本大小的三十二分之一，然后在這種粒度水平下進(jìn)行預(yù)測(cè)分類(lèi)，最后使用向上采樣和反卷積層將圖片還原到原來(lái)的尺寸。
因此，Mask RCNN 可以說(shuō)是將?Faster RCNN 和「全卷積神經(jīng)網(wǎng)絡(luò)」這兩個(gè)網(wǎng)絡(luò)合并起來(lái)，形成的一個(gè)龐大的網(wǎng)絡(luò)架構(gòu)。
圖片測(cè)試
你可以利用 TensorFlow 網(wǎng)站上的共享代碼來(lái)對(duì) Mask RCNN 進(jìn)行圖片測(cè)試。以下是我的測(cè)試結(jié)果：
Mask RCNN on Kites Image
視頻測(cè)試
對(duì)我來(lái)說(shuō)，最有意思的是用 YouTube 視頻來(lái)測(cè)試這個(gè)模型。我從 YouTube 上下載了好幾條視頻，開(kāi)始了視頻測(cè)試。
視頻測(cè)試的主要步驟：
1. 使用 VideoFileClip 功能從視頻中提取出每個(gè)幀；
2. 使用 fl_image 功能對(duì)視頻中截取的每張圖片進(jìn)行物體檢測(cè)，然后用修改后的視頻圖片替換原本的視頻圖片；
3. 最后，將修改后的視頻圖像合并成一個(gè)新的視頻。
GitHub地址為：https://github.com/priya-dwivedi/Deep-Learning/blob/master/Mask_RCNN/Mask_RCNN_Videos.ipynb
下一步的探索包括：
測(cè)試一個(gè)精確度更高的模型，觀察兩次測(cè)試結(jié)果的區(qū)別；
使用 TensorFlow 的物體檢測(cè) API 在定制的數(shù)據(jù)集上對(duì) Mask RCNN 進(jìn)行測(cè)試。
本文由雷鋒網(wǎng)專(zhuān)欄作者編譯，轉(zhuǎn)載需經(jīng)雷鋒網(wǎng)許可。
via kdnuggets
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
