如何通过 Mask RCNN 改进掩码预测？答案

【问题标题】：How can I improve mask prediction by Mask RCNN?如何通过 Mask RCNN 改进掩码预测？
【发布时间】：2021-05-01 20:15:20
【问题描述】：

如何改进 Mask RCNN 模型的掩码预测？就我而言，边界框和类预测似乎没问题。面具对于小物体来说是可以接受的，但对于大物体来说是不可接受的。其他图像的故事也类似。这是我的配置：

RPN_ANCHOR_SCALES = (16, 32, 64, 128, 256)

TRAIN_ROIS_PER_IMAGE = 64

MAX_GT_INSTANCES = 50

POST_NMS_ROIS_INFERENCE = 500

POST_NMS_ROIS_TRAINING = 1000

USE_MINI_MASK 真

MASK_SHAPE [28, 28]

MINI MASK_SHAPE [56, 56]

LEARNING_RATE = 0.001

LEARNING_MOMENTUM = 0.9

WEIGHT_DECAY = 0.0001

EPOCHS = 500

任何建议都会很棒！

【问题讨论】：

【解决方案1】：

想更新我的帖子。我通过将默认 mask_shape 更改为 [56, 56] 来提高我的准确性。为了能够更改配置，应在 model.train py 中添加额外的 conv2dtranspose 层

【讨论】：

但是你具体在哪里添加这一层？
@RishikMani, 您需要在model.py 'x = KL.TimeDistributed(KL.Conv2DTranspose(256, (2, 2), strides=2,激活="relu"), 名称="mrcnn_mask_deconv1")(x) x = KL.TimeDistributed(KL.Conv2DTranspose(256, (2, 2), strides=2, 激活="relu"), 名称="mrcnn_mask_deconv2" )(x)'