如何在我自己的数据集上训练tensorflow目标检测图像分割掩码\u rcnn\u inception\u resnet\u v2\u Atrus\u coco实例分割

请帮助我在mask\u rcnn\u inception\u resnet\u v2\u atrus\u coco模型上训练我自己的数据集。

型号：

我提到过；但我不能清楚地理解这些步骤

我们是否必须随mask.png文件一起给出对象的边界框坐标

如何将掩码数据转换为tfRecord文件（例如分段）

谁能推荐用于边框的标签工具以及mask.png文件

LabelBox、labelme、labelimg等工具提供对象的边界框坐标或mask.png文件或多边形坐标。

---

请帮助

您提供的最佳png掩码和xml标签化，它应该使用create_pet_tf_record.py，在此文件中设置faces_only=false。。。您可以在代码中看到此文件中的预期内容

将路径更改为指向管道配置中的目录

我们是否必须随mask.png文件一起给出对象的边界框坐标

答：是的，您需要原始图像、边界框文件和遮罩图像

使用以下工具为原始图像中的每个对象添加注释

---

完成此操作后，需要对每个边界框内的每个像素进行注释。有几种工具可以使用，例如，你们可以使用这些工具，我知道的是使用labelis，你们画它会创建XML文件，然后你们创建一个掩码，在多边形或PNG中，我会在PNG中创建，但我不知道如何使用这些工具帮我回答问题吗？是的，我这样做了，但后来我发现了这篇文章，并好奇地想知道上述工具是否可以替代

deeplab

。如果不是，怎么做？deeplab是动态的像素分割，而mask rcnn是添加了mask的对象检测。对于mask rcnn，您需要边界框，而对于DeepLab，您不需要边界框。很好的解释是，

mask rcnn

似乎还沿着对象的边缘绘制边界（这是一个像素分割）以及边界框。这是一个案例，还是它只是绘制了边界框，分割是由deepLab完成的。我对两种方法有点困惑，是不是这样，如果我只需要分段，我将使用deeplab&如果两者（分段+边界框）都使用

掩码rcnn

？是的，这是正确的。一旦RPN提出边界框，掩码rcnn使用更快的rcnn+像素分割。因此，像素分割仅在边界框内完成。Deeplab对整个图像使用像素级分割