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Deep learning 掩模R-CNN图像标注的正确方法,deep-learning,annotations,conv-neural-network,image-segmentation,Deep Learning,Annotations,Conv Neural Network,Image Segmentation,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。
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。