实例分割算法_实例分割数据集制作

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

实例分割 COCO挑战赛
http://cocodataset.org/#detection-leaderboard

Mask Scoring R-CNN

2019-CVPR-华中科技大学-Mask Scoring R-CNN

Mask Scoring R-CNN

蒙版得分（mask score）
https://www.jiqizhixin.com/articles/2019-05-15-4

代码（只针对COCO数据集）
https://github.com/zjhuang22/maskscoring_rcnn
https://github.com/XiaoLaoDi/maskscoring_rcnn
https://github.com/zjhuang22/maskscoring_rcnn/issues/27#issuecomment-478257021

因为在原本不好的分割mask上打了更低的分，经过后处理之后删掉这些不好的mask，相当于降低false positive？从而分数有提高？
https://blog.csdn.net/weixin_37993251/article/details/88248361

解读
https://www.cnblogs.com/wemo/p/10505970.html

================================================================== 调试 =================================================================

The NVIDIA driver on your system is too old (found version 9000)
使用pytorch1.1.0版本解决

_C.cpython-36m-x86_64-linux-gnu.so: undefined symbol: _ZN3c106Device8validateEv

EDIT: Somehow uninstalling torch and torchvision and deleting the copies from /lib/python3.6/site-packages/ and reinstalling them fixed my issue.
The current versions are as follows: torch-1.1.0 torchvision-0.3.0.
https://github.com/facebookresearch/maskrcnn-benchmark/issues/891

ImportError: libcudart.so.9.0: cannot open shared object file: No such file or directory
没有解决（重装cuda10.1和pytorch1.3.0）
https://github.com/pytorch/vision/issues/946
https://github.com/pytorch/pytorch/issues/10910

ssl.SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:852)

–no-check-certificate
https://blog.csdn.net/sunny_happy08/article/details/83146209
 

Hybrid Task Cascade

实例分割这个问题近几年的发展在很大程度上是由 COCO 数据集和比赛推动的。

Hybrid Task Cascade（HTC）在 COCO 2018 的比赛中也取得了第一名。

https://zhuanlan.zhihu.com/p/57629509

代码
PyTorch 1.1 or higher
CUDA 9.0 or higher
https://github.com/open-mmlab/mmdetection/blob/master/docs/INSTALL.md

陈恺，香港中文大学多媒体实验室博士生，COCO 2018 Instance Segmentation Challenge 冠军团队成员。

2014 年有一项很重要的工作是 R-CNN，它是将物体检测首次应用于深度学习中的一篇论文，引用量非常高，影响也非常广泛。它的主要思路是将物体检测转化为这么一个问题：首先找到一个 region（区域），然后对 region 做分类。之后作者又提出了 Fast R-CNN，它是一个基于 R-CNN 的算法，运算速度显著提高。

2015 年，这一群人又提出了 Faster R-CNN，它在速度上相比 Fast R-CNN 有了更大的提高，主要是改进了怎样在 Fast R-CNN 和 R-CNN 中找 region 的过程，Faster R-CNN 也是用深度学习的方法得到一些 region（称之为 proposal），然后再用这些 proposal 来做分类。虽然距离 Faster R-CNN 的提出已经三年多了，但它依旧是使用非常广泛的一种算法。

2016 年，代季峰等人提出了 R-FCN，它在 Faster R-CNN 的基础上进行了改进，当时它在性能和速度都有非常大的提高。

2017 年有两篇影响力非常大的论文，FPN 和 Mask R-CNN。FPN 也就是 Feature Pyramid Network，它相当于生成了 feature pyramid，然后再用多个 level 的 feature 来做 prediction。Mask R-CNN 这篇论文获得了 ICCV 2017 的最佳论文，由何恺明他们提出，其在 Faster R-CNN 基础上增加了 mask branch，可以用来做实例分割，同时因为有 multi-task learning，因此它对物体框的性能也有很大的提高。

2018 年，沿着 Faster R-CNN 这条路线提出的方法有 Cascade R-CNN，它将 cascade 结构用在了 Faster R-CNN 中，同时也解决了一些 training distribution 的一些问题，因此它的性能是比较高的。另外还有两篇比较重要的论文——Relaiton Network 和 SNIP。
https://www.yanxishe.com/blogDetail/10372

mmdetection安装教程
https://www.cnblogs.com/marsggbo/p/11240534.html

The NVIDIA driver on your system is too old (found version 9000)
好像是有个驱动的版本太老，使用pytorch1.1.0版本解决

cannot find -lcudart

sudo ln -s /usr/local/cuda/lib64/libcudart.so /usr/lib/libcudart.so
https://blog.csdn.net/jacke121/article/details/54342176

unable to execute ‘/usr/local/cuda-9.2/bin/nvcc’: No such file or directory

nvcc –version

没有解决
https://blog.csdn.net/ksws0292756/article/details/84859903
https://github.com/facebookresearch/maskrcnn-benchmark/issues/25

YOLACT

2019-ICCV-YOLACT: Real-time Instance Segmentation

在 MS COCO 数据集上做出了第一个实时的实例分割模型

https://zhuanlan.zhihu.com/p/76470432

代码
https://github.com/dbolya/yolact/
 

全景分割

目前图像分割任务发展出了以下几个子领域：语义分割（semantic segmentation）、实例分割（instance segmentation）以及今年（2018年）刚兴起的新领域全景分割（panoptic segmentation）。

全景分割可以说是语义分割和实例分割的结合，下图是同一张原图的全景分割结果，每个 stuff 类别与 things 类别都被分割开

原图

语义分割

实例分割

全景分割

https://www.jiqizhixin.com/articles/2018-12-24-12