Mask rcnn具有非常神奇的功能，能夠進行像素級的目標檢測和影像分割。近日，用該模型進行實驗時發現，對細長目標的檢測效果并不理想，特別是傾斜的目標，會被認為是重疊的而過濾掉，這里可能是非極大值抑制的問題，也可能是anchor設定的問題。效果如圖所示，發出來大家一起討論一下。
uj5u.com熱心網友回復：
使用threshold改變和角度旋轉后的分割效果如下，還是不大理想：
uj5u.com熱心網友回復：
應該是檢測框也要從垂直的變成跟目標邊緣一致的才對吧，如圖右邊的那堆文字：
uj5u.com熱心網友回復：
檢測框也要從垂直變成魚目標邊緣一致才可以。你可以寫一個程式實作檢測框標簽的變換，就是從垂直框變成傾斜框。這樣，原圖的分割目標和檢測框都是傾斜的。然后再重新訓練網路模型。uj5u.com熱心網友回復：
白老師，假如一張圖超大，寬度有4000多的解析度，要識別里頭多個密集排列的目標，可以先裁圖成1024以內進行訓練，再拿整張圖出來預測嗎？
uj5u.com熱心網友回復：
對細長的物體不友好是真的，uj5u.com熱心網友回復：
就是anchor的問題吧，每次都只會生成方形，而你的傾斜的形式生成的候選框又極大，正確的比值會非常小，直接過濾掉了uj5u.com熱心網友回復：
考慮修改RPN 生成anchor的時候如何生成傾斜的uj5u.com熱心網友回復：
https://zhuanlan.zhihu.com/p/108255937uj5u.com熱心網友回復：
你這用什么CNN，傳統演算法簡單搞定。了解一下車牌識別系統種切分字符的演算法吧uj5u.com熱心網友回復：
能搞定就怪了，那么多不均勻的區域，要二值化不可能的
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/78096.html
標籤：機器視覺
上一篇：求分享simlab中文手冊！