用于对象检测和分割的 Mask R-CNN [训练自定义数据集]

Posted 2023-03-27

【中文标题】用于对象检测和分割的 Mask R-CNN [训练自定义数据集]

【英文标题】：Mask R-CNN for object detection and segmentation [Train for a custom dataset]

【发布时间】：2018-09-15 23:46:35

【问题描述】：

我正在研究“Mask R-CNN 用于对象检测和分割”。所以我阅读了原始研究论文，其中介绍了Mask R-CNN 用于对象检测，并且我发现很少有Mask R-CNN、here 和here 的实现（由 Facebook AI 研究团队称为检测器）。但他们都使用 coco 数据集进行测试。

但是对于使用具有大量图像的自定义数据集进行上述实现的训练，我有点困惑，并且对于每个图像，都有一个掩码图像子集用于标记相应图像中的对象。

因此，如果有人可以为此任务发布有用的资源或代码示例，我很高兴。

注意：我的数据集具有以下结构，

它由大量图像组成，对于每张图像，都有 是单独的图像文件，将对象突出显示为 黑色图像。

这是一个示例图像和它的面具：

图片；

口罩；

【参考方案1】：

我已经训练了 https://github.com/matterport/Mask_RCNN 的实例分割模型，以便在我的数据集上运行。

我的假设是您已完成所有基本设置，并且模型已经使用默认数据集（在 repo 中提供）运行，现在您希望它为自定义数据集运行。

以下是步骤

您需要拥有所有注释。 所有这些都需要转换为 VGG 多边形模式（是的，我的意思是多边形，即使您需要绑定框）。我在这个答案的末尾添加了一个示例 VGG 多边形格式。 您需要将自定义数据集划分为训练、测试和验证 默认情况下，注解在单个数据集文件夹中使用文件名via_region_data.json 进行查看。例如，对于训练图像，它会查看train\via_region_data.json。您也可以根据需要进行更改。 在 Samples 文件夹中，您可以找到 Balloon、Nucleus、Shapes 等文件夹。复制其中一个文件夹。最好是气球。我们现在将尝试为我们的自定义数据集修改这个新文件夹。 在复制的文件夹中，您将有一个.py 文件（对于气球，它将是气球.py），更改以下变量 ROOT_DIR : 克隆项目的绝对路径 DEFAULT_LOGS_DIR ：这个文件夹会变大，所以相应地改变这个路径（如果你在低磁盘存储虚拟机中运行你的代码）。它还将存储.h5 文件。它将在日志文件夹中创建子文件夹，并附加时间戳。 .h5 文件大约为每个 epoch 200 - 300 MB。但是猜猜这个日志目录与 Tensorboard 兼容。您可以在运行 tensorboard 时将带时间戳的子文件夹作为 --logdir 参数传递。 这个.py 文件也有两个类——一个类后缀为Config，另一个类后缀为Dataset。 在 Config 类中覆盖所需的内容，例如 NAME ：您的项目的名称。 NUM_CLASSES : 它应该比你的标签类多一个，因为背景也被认为是一个标签 DETECTION_MIN_CONFIDENCE ：默认为 0.9（如果您的训练图像质量不是很高或您没有太多训练数据，则将其减小） STEPS_PER_EPOCH等 在 Dataset 类中重写以下方法。所有这些功能都已经很好地注释了，因此您可以按照 cmets 根据您的需要进行覆盖。 load_(name_of_the_sample_project) 例如 load_balloon load_mask（请参阅答案的最后一个示例） 图像参考 train 函数（在 Dataset 类之外）：如果您必须更改 epoch 数或学习率等

您现在可以直接从终端运行它

python samples\your_folder_name\your_python_file_name.py train --dataset="location_of_custom_dataset" --weights=coco

有关上述行的命令行参数的完整信息，您可以在此 .py 文件的顶部将其作为注释查看。

这些是我能记得的事情，我想添加更多我记得的步骤。如果您卡在任何特定步骤，也许您可​​以告诉我，我会详细说明该特定步骤。

VGG 多边形架构

宽度和高度是可选的

[
    "filename": "000dfce9-f14c-4a25-89b6-226316f557f3.jpeg",
    "regions": 
        "0": 
            "region_attributes": 
                "object_name": "Cat"
            ,
            "shape_attributes": 
                "all_points_x": [75.30864197530865, 80.0925925925926, 80.0925925925926, 75.30864197530865],
                "all_points_y": [11.672189112257607, 11.672189112257607, 17.72093488703078, 17.72093488703078],
                "name": "polygon"
            
        ,
        "1": 
            "region_attributes": 
                "object_name": "Cat"
            ,
            "shape_attributes": 
                "all_points_x": [80.40123456790124, 84.64506172839506, 84.64506172839506, 80.40123456790124],
                "all_points_y": [8.114103362391036, 8.114103362391036, 12.205901974737595, 12.205901974737595],
                "name": "polygon"
            
        
    ,
    "width": 504,
    "height": 495
]

示例 load_mask 函数

def load_mask(self, image_id):
    """Generate instance masks for an image.
    Returns:
    masks: A bool array of shape [height, width, instance count] with
        one mask per instance.
    class_ids: a 1D array of class IDs of the instance masks.
    """
    # If not your dataset image, delegate to parent class.
    image_info = self.image_info[image_id]
    if image_info["source"] != "name_of_your_project":   //change your project name
        return super(self.__class__, self).load_mask(image_id)

    # Convert polygons to a bitmap mask of shape
    # [height, width, instance_count]
    info = self.image_info[image_id]
    mask = np.zeros([info["height"], info["width"], len(info["polygons"])], dtype=np.uint8)
    class_id =  np.zeros([mask.shape[-1]], dtype=np.int32)

    for i, p in enumerate(info["polygons"]):
        # Get indexes of pixels inside the polygon and set them to 1
        rr, cc = skimage.draw.polygon(p['all_points_y'], p['all_points_x'])
        # print(rr.shape, cc.shape, i, np.ones([mask.shape[-1]], dtype=np.int32).shape, info['classes'][i])

        class_id[i] = self.class_dict[info['classes'][i]]
        mask[rr, cc, i] = 1


    # Return mask, and array of class IDs of each instance. Since we have
    # one class ID only, we return an array of 1s
    return mask.astype(np.bool), class_id

【讨论】：

我一直在尝试按照您的步骤进行操作。我的困惑是在Dataset 类中重新分级load_mask()。已经提到需要根据数据集编写自己的掩码。我想知道编写掩码我们的特定数据集需要什么样的逻辑或步骤？

@BhabaniMohapatra 我已将 Dataset 类中的 load_mask 函数添加为示例...

很有帮助。关于load_mask() 的一个理论问题，通常除了转换多边形（我已经使用 VGG 注释器工具注释并将其保存为 json 格式）以掩盖它遵循的其他实现？

让我们以 COCO 数据集及其注释为例。我们通常在那里提取多边形并从中生成二进制掩码，然后转换为 COCO 多边形格式（因为用于 COCO 分割的 json 文件有点不同）。在我看来，这里没有实现，而是我们直接注释和保存多边形（上面的 load_mask() 函数很有用）。只是消除我的疑虑。谢谢

【参考方案2】：

所以首先，您需要提取每个图像的边界框。该任务必须手动完成，或者您可以使用OpenCV等工具

---

编辑打开的简历

同样对于白色部分，您必须使用您选择的任何工具来做最好的技术，我会用 OpenCV 来做。代码可能非常具体，因为可以使用不同的技术来处理它。没有其他方法，因为您没有注释，只有掩码。

---

现在您已经获得了格式（x、y、宽度、高度）的图像和框。

Detectron 具有 JSON 文件格式，例如： https://pastebin.com/ewaaC5Bm

现在，您可以使用 images 值创建类似的 JSON，因为您已经获得了该信息。

由于我们没有任何细分（在您的示例中），让我们澄清一下annotations 所采用的参数：

category_id：这是类别的 ID。您可以在pastebin 中看到我展示的唯一类别有id = 32。您需要根据数据集添加更多类别。

bbox：这就是我们上面讲的那个盒子：[x, y, width, height]

现在对于iscrowd、area 和segmentation，我们显然可以采取两种方法：this 或this。

这样分割将不会被考虑（或将被考虑但被忽略）。

祝你好运。

【讨论】：

非常感谢您的回答，非常有用，但是我也需要Instance segmentation，请问您可以改进您的回答吗？？

发布您的图片示例

我发布了一个示例图片，请检查

【参考方案3】：

对于图像分割任务，有两种方法可以为训练代码提供掩码图像。

整个图像的蒙版图像。 图像中每个对象的遮罩图像。

在 Mask R-CNN 中，你必须遵循 2。

我们的 Mac OS X 应用程序 RectLabel 可以导出两个蒙版图像。

颜色表对应对象类id的索引彩色图像。

每个对象的灰度图像，由 0:background 和 255:foreground 组成。

我们提供 python 代码示例，说明如何加载掩码图像并设置为掩码 R-CNN 代码的 TFRecord 文件。

COCO JSON 文件到带有掩码图像的 TFRecord

https://github.com/ryouchinsa/Rectlabel-support/blob/master/rectlabel_create_coco_tf_record.py

python object_detection/dataset_tools/rectlabel_create_coco_tf_record.py \
--train_image_dir="$TRAIN_IMAGE_DIR" \
--val_image_dir="$VAL_IMAGE_DIR" \
--train_annotations_file="$TRAIN_ANNOTATIONS_FILE" \
--val_annotations_file="$VAL_ANNOTATIONS_FILE" \
--output_dir="$OUTPUT_DIR" \
--include_masks

PASCAL VOC XML 文件到带有蒙版图像的 TFRecord

https://github.com/ryouchinsa/Rectlabel-support/blob/master/rectlabel_create_pascal_tf_record.py

python object_detection/dataset_tools/rectlabel_create_pascal_tf_record.py \
--images_dir="$IMAGES_DIR" \
--label_map_path="$LABEL_MAP_PATH" \
--output_path="$OUTPUT_PATH" \
--include_masks

我们希望这会有所帮助。