如何解析MaskR-CNN对象检测和分割的Keras和TensorFlow代码

这篇文章将为大家详细讲解有关如何解析Mask R-CNN对象检测和分割的Keras和TensorFlow代码，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

为万源等地区用户提供了全套网页设计制作服务，及万源网站建设行业解决方案。主营业务为成都网站设计、成都网站制作、万源网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

Mask R-CNN目标检测和对象分割Keras和TensorFlow的实现代码。

这个实现基于Python 3、Keras和TensorFlow。模型对图片中的每个对象实例生成包围框（bounding boxes）和分割掩膜（segmentation masks）。基于特征金字塔网络（FPN）和ResNet101的主干（backbone）。

这个giuhub仓库包含以下内容：

• 建立在FPN和ResNet101上的Mask R-CNN源代码

• MS COCO上的训练代码

• MS COCO上的预训练权重

• 可视化每一步的训练管道（pipline）的Jupyter notebooks

• 用于多GPU训练的并行类

• MS COCO上的指标评估

• 在你自己的数据集上训练的例子

源代码有注释而且设计得易于扩展。如果你在你的研究中用了这些代码，请引用本仓库。如果你从事3D视觉，你可能会觉得我们最近发布的Matterport3D数据集对你有用。

关于如何解析Mask R-CNN对象检测和分割的Keras和TensorFlow代码就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。

文章名称：如何解析MaskR-CNN对象检测和分割的Keras和TensorFlow代码
路径分享：http://scjbc.cn/article/pcihjo.html