如何利用邊緣監(jiān)督信息加速M(fèi)askR-CNN實(shí)例分割訓(xùn)練

本篇文章給大家分享的是有關(guān)如何利用邊緣監(jiān)督信息加速M(fèi)ask R-CNN實(shí)例分割訓(xùn)練，小編覺得挺實(shí)用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

創(chuàng)新互聯(lián)專注為客戶提供全方位的互聯(lián)網(wǎng)綜合服務(wù)，包含不限于成都網(wǎng)站設(shè)計(jì)、成都做網(wǎng)站、麒麟網(wǎng)絡(luò)推廣、成都微信小程序、麒麟網(wǎng)絡(luò)營銷、麒麟企業(yè)策劃、麒麟品牌公關(guān)、搜索引擎seo、人物專訪、企業(yè)宣傳片、企業(yè)代運(yùn)營等，從售前售中售后，我們都將竭誠為您服務(wù)，您的肯定，是我們最大的嘉獎；創(chuàng)新互聯(lián)為所有大學(xué)生創(chuàng)業(yè)者提供麒麟建站搭建服務(wù)，24小時服務(wù)熱線：028-86922220，官方網(wǎng)址：bm7419.com

Mask R-CNN是實(shí)例分割的經(jīng)典模型，作者通過在Mask R-CNN框架上附加一個新任務(wù)，達(dá)到更快的網(wǎng)絡(luò)收斂速度。
該文對MaskR-CNN添加了一個新的預(yù)測任務(wù)，稱為Edge Agreement Head（也許可以翻譯為“邊緣協(xié)定預(yù)測端”？），它的靈感來自人工實(shí)例標(biāo)注的方式。當(dāng)人們對實(shí)例進(jìn)行像素級標(biāo)注的時候，僅僅會關(guān)注實(shí)例的邊緣部分，而實(shí)例內(nèi)部則只需要簡單的復(fù)制邊緣的標(biāo)注信息就可以了。所以實(shí)例的mask邊緣非常有用，它們很好地表征了實(shí)例。Edge Agreement Head的作用即鼓勵深度網(wǎng)絡(luò)訓(xùn)練時預(yù)測的實(shí)例mask邊緣與groundtruth的邊緣相似。

算法思想

作者通過觀察Mask R-CNN訓(xùn)練前期輸出的預(yù)測圖像，發(fā)現(xiàn)很多時候邊緣都不在點(diǎn)上，很顯然，神經(jīng)網(wǎng)絡(luò)在走彎路。
請看下面的例子：

這是Mask R-CNN深度網(wǎng)絡(luò)訓(xùn)練前期的一些預(yù)測的Mask，發(fā)現(xiàn)它并沒有像人類一樣先把邊緣找出來，甚至缺失的很離譜（你可以預(yù)測的不很精細(xì)準(zhǔn)確，但至少要表現(xiàn)出在向這個方向努力吧?。?。
為了避免神經(jīng)網(wǎng)絡(luò)走彎路，作者把實(shí)例的邊緣信息作為一種監(jiān)督的指引，即將groundtruth進(jìn)行邊緣濾波，讓神經(jīng)網(wǎng)絡(luò)同時去預(yù)測實(shí)例的邊緣。指了條明路。
Mask R-CNN的多任務(wù)損失函數(shù)：

具體的做法是，增加一個新分支，預(yù)測邊緣并與groundtruth的邊緣相比較，請看下圖

作者僅是對每個實(shí)例28*28大小區(qū)域內(nèi)（所以增加的計(jì)算量有限）進(jìn)行上述操作，通過添加簡單的3*3邊緣檢測計(jì)算預(yù)測和groundtruth的邊緣，因?yàn)檫吘墮z測往往和圖像平滑一起用，所以右邊的圖增加了平滑的步驟。
上圖中Lp代表計(jì)算兩者差異的方式，如下：

p代表像素差值的冪次方參數(shù)。

作者嘗試了普通的Sobel濾波和Laplacian濾波檢測邊緣。

作者通過Edge Agreement Head方式增加了一個損失函數(shù)，模型復(fù)雜度略微增加，沒添加任何額外的需要訓(xùn)練的模型變量，訓(xùn)練的計(jì)算成本增加很小，而網(wǎng)絡(luò)推斷時不增加計(jì)算量。

實(shí)驗(yàn)結(jié)果
作者在MS COCO 2017數(shù)據(jù)集上做了實(shí)驗(yàn)，比較訓(xùn)練達(dá)到160k steps時基準(zhǔn)模型和提出的模型的COCO AP metrics精度。

Table 1說明當(dāng)訓(xùn)練達(dá)到160k steps時，使用Edge Agreement Head的模型訓(xùn)練達(dá)到了更高的精度，尤其是使用Soble邊緣算子的模型。
Table 2表明不使用圖像平滑加速更加明顯，達(dá)到更高的精度。
預(yù)測結(jié)果比較圖示：

Table 4表明，拉長訓(xùn)練時間，使用Edge Agreement Head仍然獲得了更高的精度。

以上就是如何利用邊緣監(jiān)督信息加速M(fèi)ask R-CNN實(shí)例分割訓(xùn)練，小編相信有部分知識點(diǎn)可能是我們?nèi)粘９ぷ鲿姷交蛴玫降摹ＯＭ隳芡ㄟ^這篇文章學(xué)到更多知識。更多詳情敬請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

網(wǎng)站標(biāo)題：如何利用邊緣監(jiān)督信息加速M(fèi)askR-CNN實(shí)例分割訓(xùn)練
分享地址：http://bm7419.com/article0/pcghoo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供App設(shè)計(jì)、全網(wǎng)營銷推廣、企業(yè)建站、網(wǎng)頁設(shè)計(jì)公司、網(wǎng)站改版、網(wǎng)站設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)