如何计算Mask Rcnn中对象的单个蒙版区域

Posted 2023-02-25

【中文标题】如何计算Mask Rcnn中对象的单个蒙版区域

【英文标题】：How to calculate individual mask area of the objects in Mask Rcnn

【发布时间】：2020-04-16 08:57:41

【问题描述】：

我创建了自己的数据集，用于识别田地中特定类型的作物。 Mask RCNN 在该对象上创建一个多边形掩码。图像中大约有 17 个不同的对象，因此 MaskRCNN 在 17 个对象上创建了一个遮罩。但我无法找到每个面具的面积。

我找到了一种方法，但我不确定它是否正确。 我已将此代码添加到 inspect_balloon_model.ipynb：

r['masks].shape[-1] = 17

for i in range(r['masks'].shape[-1]):
    mask = r['masks'][:, :, i]
    image[mask] = 255
    image[~mask] = 0
    unique, counts = np.unique(image, return_counts=True)
    mask_area = counts[1] / (counts[0] + counts[1])
    print(counts[1])

这里是 counts1 是单个蒙版的面积。这是正确的吗？

编辑： r['masks'].shape ---> (8170, 6000, 17); 原图形状 --> (8170, 6000, 3)

示例图片：

【参考方案1】：

看起来正确，但 IMO 非常复杂。 更简单的版本是：

positive_pixel_count = mask.sum() # assumes binary mask (True == 1)
h, w = mask.shape[1:3] # assumes NHWC data format, adapt as needed
area = positive_pixel_count / (w*h)

【讨论】：

这里的mask.shape和原图的形状一样

你提到了Mask RCNN。在该网络中，预测的掩码是每个实例并且相对于边界框。如果您谈论的是不同类型的口罩，请在问题中说明并提供口罩外观示例

我分享了一张示例图片。添加了面具的形状

我是否正确假设每个蒙版都是一个二值图像，其中一个彩色区域为白色，其他地方为黑色？如果是这样，你的面积计算和我的是等价的，因为counts[0] 是黑色像素的数量，所以将counts[0] 和counts[1] 相加得到像素总数（即w*h）。这不是您要寻找的领域吗？