Deep learning 掩模R-CNN图像标注的正确方法

我想为Mask R-CNN的图像添加注释。Mask R-CNN为图像中每个标记的“对象”创建一个单独的注释图像，这会生成一些在其他图像分割网络中不会发生的情况

具有两个断开连接的组件的对象 在图像中分离的对象可以是，因为对象本身由两个或多个不连续的多边形组成，或者因为对象被另一个对象部分遮挡，从而创建两个或多个不同的组件

这些对象应该如何标记？ -如果每个零件都标记为断开，则将创建两个不同的注释图像，并且对象的形式将丢失。 -如果在被遮挡的对象上标记该对象，则另一个对象的图像也将标记为该对象。 -图像中是否应避免遮挡的物体

对象边界拦截 当标记不精确时，某些对象的标签会重叠，这对于仅使用一个注释图像的其他算法来说不是问题，但对于Mask R-CNN来说，当多边形重叠时，可能会导致标记不一致，因为在一个注释中，某些像素将标记为一个对象，而在另一个注释中标记为另一个对象

图像应始终“完美”标记，还是“欠标记”（当一个标签与下一个标记对象保持一定距离时）

有洞的物体 根据用于注释图像的软件是否允许创建带有孔的对象，此类对象的标签可能会出现问题。或者，如果孔只是覆盖对象一部分的背景，在这种情况下，将有一个注释图像，其中孔属于对象，另一个属于背景

有没有其他方法可以用孔标记对象

我想知道，我应该如何注释这些图像以获得最好的结果

---

谢谢

你是怎么解决的？我从来没有“解决”过，也没有找到最好的方法，但我决定这样做。1：我将每个分离的组件视为不同的对象。2：我的重点是避免拦截，而不是精确。3：我避免了有洞的对象，但如果我有这个对象，我会做注释，这样每个像素只有一个注释，最后一个标记的对象覆盖了其他对象。