0
雷鋒網 AI 科技評論按：本文由「圖普科技」編譯自Using Tensorflow Object Detection to Do Pixel Wise Classification。
最近，TensorFlow 的「物體檢測 API」有了一個新功能，它能根據目標對象的像素位置來確定該對象的像素。換句話來說，TensorFlow 的物體檢測從原來的圖像級別成功上升到了像素級別。
使用 TensorFlow 的「物體檢測 API」圖片中的物體進行識別，最后的結果是圖片中一個個將不同物體框起來的方框。最近，這個「物體檢測 API」有了一個新功能，它能根據目標對象的像素位置確定該對象的像素，實現物體的像素分類。
TensorFlow 的物體檢測 API 模型——Mask-RCNN
「實例分割」是物體檢測的延伸，它能讓我們在普通的物體檢測的基礎上獲取關于該對象更加精確、全面的信息。
在什么情況下我們才需要這樣精確的信息呢？
無人駕駛汽車
為了確保安全，無人駕駛汽車需要精確定位道路上其他車輛和行人。
機器人系統
機器人在連接兩個部件時，如果知道這兩個部件的確切位置，那么機器人的操作就會更加高效、準確。
「實例分割」的方法有很多，TensorFlow 進行「實例分割」使用的是 Mask RCNN 算法。
Mask RCNN 算法架構
在介紹 Mask RCNN 之前，我們先來認識一下 Faster R-CNN。
Faster-RCNN 是一個用于物體檢測的算法，它被分為兩個階段：第一階段被稱為「候選區域生成網絡」（RPN），即生成候選物體的邊框；第二階段本質上是 Fast R-CNN 算法，即利用 RolPool 從每個候選邊框獲取對象特征，并執行分類和邊框回歸。這兩個階段所使用的特征可以共享，以更快地獲得圖像推算結果。
Faster R-CNN 對每個候選對象都有兩個輸出，一個是分類標簽，另一個是對象邊框。而 Mask-RCNN 就是在 Faster R-CNN 的兩個輸出的基礎上，添加一個掩碼的輸出，該掩碼是一個表示對象在邊框中像素的二元掩碼。但是這個新添加的掩碼輸出與原來的分類和邊框輸出不同，它需要物體更加精細的空間布局和位置信息。因此，Mask R-CNN 需要使用「全卷積神經網絡」（FCN）。
全卷積神經網絡（FCN）的算法架構
「全卷積神經網絡」是「語義分割」中十分常見的算法，它利用了不同區塊的卷積和池化層，首先將一張圖片解壓至它原本大小的三十二分之一，然后在這種粒度水平下進行預測分類，最后使用向上采樣和反卷積層將圖片還原到原來的尺寸。
因此，Mask RCNN 可以說是將?Faster RCNN 和「全卷積神經網絡」這兩個網絡合并起來，形成的一個龐大的網絡架構。
圖片測試
你可以利用 TensorFlow 網站上的共享代碼來對 Mask RCNN 進行圖片測試。以下是我的測試結果：
Mask RCNN on Kites Image
視頻測試
對我來說，最有意思的是用 YouTube 視頻來測試這個模型。我從 YouTube 上下載了好幾條視頻，開始了視頻測試。
視頻測試的主要步驟：
1. 使用 VideoFileClip 功能從視頻中提取出每個幀；
2. 使用 fl_image 功能對視頻中截取的每張圖片進行物體檢測，然后用修改后的視頻圖片替換原本的視頻圖片；
3. 最后，將修改后的視頻圖像合并成一個新的視頻。
GitHub地址為：https://github.com/priya-dwivedi/Deep-Learning/blob/master/Mask_RCNN/Mask_RCNN_Videos.ipynb
下一步的探索包括：
測試一個精確度更高的模型，觀察兩次測試結果的區別；
使用 TensorFlow 的物體檢測 API 在定制的數據集上對 Mask RCNN 進行測試。
本文由雷鋒網專欄作者編譯，轉載需經雷鋒網許可。
via kdnuggets
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
