文章插圖
- 可以看到 ， labels的類型為INT64,所以我們的源碼中需要“Get_Rresult_int64.vi,index為1，因為labels為第二層，即下標為1;
文章插圖
- 另外三個輸出我們都可以使用float32來獲取了 ， masks雖然數據類型是uint8,但在實操過程中發現，它其實做過歸一化處理了 ， 也可以使用float32.
文章插圖
- 后處理并實現實例分割 因為后處理內容較多，所以直接封裝為了一個子VI， mask_rcnn_post_process.vi，源碼如下：
文章插圖
- 整體的程序框架如下：
文章插圖
文章插圖
- 實例分割結果如下，我們會發現這個模型跑起來 ， 他花的時間比之前就更長了 。因為他不但要獲取每一個對象的區域，還要也要把這個區域的輪廓給框出來 ， 我們可以看到五個人及籃球都框出來了，使用不同的顏色分割出來了 。
文章插圖
3、LabVIEW調用 Mask R-CNN 實現實時圖像分割（mask rcnn_camera.vi）整體思想和上面檢測圖片的實力分割差不多，不過使用了攝像頭，并加了一個循環，對每一幀對象進行實力分割，3080系列顯卡可選擇TensorRT加速推理，分割會更加流暢 。我們發現這個模型其實很考驗檢測數量的，所以如果你只是對人進行分割，那可以選擇一個干凈一些的背景，整體檢測速度就會快很多 。
文章插圖
文章插圖
四、Mask-RCNN訓練自己的數據集（檢測行人）1.準備工作
- 訓練需要jupyterlab環境，沒有安裝的同學需要通過pip install jupyterlab 安裝
- 如果無法解決jupyterlab環境 可以使用colab或者kaggle提供的免費gpu環境進行訓練
- 訓練源碼：mask-rcnn.ipynb
- 根據提示運行這段代碼 ， 自動或手動下載依賴文件數據集并建立數據集解析類
文章插圖
- 定義單輪訓練的函數：網絡結構直接采用torchvison里現有的，不再重新定義
文章插圖
- 出現如下輸出表示訓練進行中
文章插圖
- 修改這個文件名 ， 改成自己的圖片名字，運行看下訓練效果
文章插圖
3、訓練效果
文章插圖
4、導出ONNX
文章插圖
總結以上就是今天要給大家分享的內容 。大家可關注微信公眾號: VIRobotics ， 回復關鍵字：Mask R-CNN圖像實例分割源碼 獲取本次分享內容的完整項目源碼及模型 。
如果有問題可以在評論區里討論，提問前請先點贊支持一下博主哦，如您想要探討更多關于LabVIEW與人工智能技術，歡迎加入我們的技術交流群：705637299，進群請備注暗號：LabVIEW 機器學習 。
如果文章對你有幫助 ， 歡迎關注、點贊、收藏
推薦閱讀
- 使用 StringUtils.split 的坑
- 書名號使用方法 書名號用法
- Java Timer使用介紹
- lol手游戲命師的大招怎么使用（lol手游技能釋放技巧)
- SpringBoot 常用注解的原理和使用
- 眼霜的正確使用順序,眼霜的正確使用方法
- 漫步者funbuds怎么配對_漫步者funbuds使用說明
- 四 【單片機入門】應用層軟件開發的單片機學習之路-----ESP32開發板PWM控制電機以及中斷的使用
- 含源碼 【YOLOv5】手把手教你使用LabVIEW ONNX Runtime部署 TensorRT加速，實現YOLOv5實時物體識別
- 【日志系統】Loki日志監控 - 入門初體驗