cnn程序流程图_Mask-rcnn算法流程图
cnn程序流程图_Mask-rcnn算法流程图
昨天看下Mask-rcnn的keras代码，Github上start最多的那个。由于代码量⽐较多，所以需要梳理下整个流程。今天⽤visio简单绘制下整个数据流程图，⽅便理解整个算法。⾥⾯的知识点还是⽐较多的，所以搞清楚⼀个算法的细节，需要我们认真阅读下源码，并思考为什么这样做。只要能够掌握好细节，我们才可以对算法部分进⾏改进。
注：⿊⾊是第⼀阶段，也就是RPN阶段。红⾊是第⼆阶段，也就是使⽤RPN的输出进⾏分类，框回归以及分割。⾦字塔特征就是
p2，p3，p4，p5，p6。
输⼊张量:
有限公司注册input_image, 输⼊图像  shape(None，h，w，n) 其中h、w必须是2^6=64的倍数
input_image_meta= np.array(
[image_id] +                  # size=1
list(original_image_shape) +  # size=3
list(image_shape) +          # size=3
list(window) +                # size=4 (y1, x1, y2, x2) in image cooredinates
[scale] +                    # size=1
日产君爵list(active_class_ids)        # size=num_classes
)
input_rpn_match,RPN⽹络的输⼊，取值-1,0,1    shape(None,None,1)
input_rpn_bbox,RPN⽹络的输⼊，输⼊框        shape(None,None，4)
input_gt_class_ids，检测⽹络的输⼊，真实类别  shape(None，None)
input_gt_boxes，检测⽹络的输⼊，真实框        shape(None,None，4) 需要进⾏归⼀化
input_gt_masks，检测⽹络的输⼊，真实掩码    shape(None,mask_h,mask_w,MAX_INSTANCE)
输出张量:
rpn_class_logits，经过RPN⽹络的输出，shape(None,all_h*all_w*ratio_l,2)  all_h,all_w是p2p3p4p5p6的特征图⾼和宽之和
rpn_class,  经过RPN玩⽹络的输出 ，shape(None,all_h*all_w*ratio_l,2)  ratio_l代表 每个特征图中RPN_ANCHOR_RATIOS的长度rpn_bbox,  经过RPN玩⽹络的输出 ，shape(None,all_h*all_w*ratio_l,4)  4代表dy,dx,log(dh),log(dw)
通讯专业
mrcnn_class_logits，相继经过NMS的ProposalLayer和Align_pooling后送⼊检测⽹络的分类liner
shape(None,TRAIN_ROIS_PER_IMAGE,NUM_CLASS)闽南新娘
mrcnn_class，相继经过NMS的ProposalLayer和Align_pooling后送⼊检测⽹络的分类softmax
shape(None,TRAIN_ROIS_PER_IMAGE,NUM_CLASS)
mrcnn_bbox，相继经过NMS的ProposalLayer和Align_pooling后送⼊检测⽹络的分类坐标dy,dx,log(dh),log(dw)
shape(None,TRAIN_ROIS_PER_IMAGE,4)
10台风mrcnn_mask，相继经过NMS的ProposalLayer和Align_pooling后送⼊掩码⽹络的掩码信息
shape(None,TRAIN_ROIS_PER_IMAGE,mask_h,mask_w,NUM_CLASS)
rpn_rois, 经过RPN⽹络后进⾏NMS的ProposalLayer层，shape(None，proposals_roi_num，(y1,x1,y2,x2))
output_rois,  就是中间变量rois shape(None，TRAIN_ROIS_PER_IMAGE，4)
rpn_class_loss, 由input_rpn_match, rpn_class_logits计算出来的损失
rpn_bbox_loss, 由input_rpn_bbox, input_rpn_match, rpn_bbox计算出来的损失
class_loss, 由target_class_ids, mrcnn_class_logits, active_class_ids计算出来  target_class_ids由input_image_meta得来bbox_loss,  由target_bbox, target_class_ids, mrcnn_bbox计算出来
mask_loss, 由target_mask, target_class_ids, mrcnn_mask计算出来
中间张量：经过DetectionTargetLayer层的结果
rois,            shape(None，TRAIN_ROIS_PER_IMAGE，4)
target_class_ids,  shape(None，TRAIN_ROIS_PER_IMAGE)
target_bbox,        shape(None，TRAIN_ROIS_PER_IMAGE，4)  deta
target_mask        shape(None，TRAIN_ROIS_PER_IMAGE，mask_h,mask_w)
手抄报红领巾心向党

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。