带有重叠 objects 的标签图像，用于使用 Tensorflow Object 检测进行实例分割 Api
Label Images with overlapping objects for Instance Segmentation with Tensorflow Object Detection Api
我使用 TensorFlow 进行 object 检测，现在我想尝试使用来自 tensorflow model zoo https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md
的 Mask RCNN 模型进行实例分割
我准备了输入数据：原始图像，xml 带有边界框的文件，作为掩码的 png 文件并创建了 TfRecords。它工作得很好，但预测不是很准确。面具包含很多背景。
我认为这是因为 object 在图像中相互重叠。
有没有办法 mask/label 训练数据集，让每个实例都有不同的颜色？
（我不是在谈论推理，而是在谈论训练本身）
如图所示。当然，白色边界框不在我的蒙版图像中。我添加它们是为了表明某些实例位于另一个实例的边界框中。
非常感谢一些提示。
尝试使用 DeepLab，您将能够使用此工具进行分割 - https://github.com/tensorflow/models/tree/master/research/deeplab
所以我尝试了一些东西并得出结论，我需要更多图像来训练我的模型。我有很多实例重叠的图像，而实例明显分开的图像并不多。
我希望有更好的方法来告诉模型哪个像素属于哪个实例。
我使用 TensorFlow 进行 object 检测，现在我想尝试使用来自 tensorflow model zoo https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md
的 Mask RCNN 模型进行实例分割我准备了输入数据：原始图像，xml 带有边界框的文件，作为掩码的 png 文件并创建了 TfRecords。它工作得很好，但预测不是很准确。面具包含很多背景。
我认为这是因为 object 在图像中相互重叠。
有没有办法 mask/label 训练数据集，让每个实例都有不同的颜色？ （我不是在谈论推理，而是在谈论训练本身）
如图所示。当然，白色边界框不在我的蒙版图像中。我添加它们是为了表明某些实例位于另一个实例的边界框中。
非常感谢一些提示。
尝试使用 DeepLab，您将能够使用此工具进行分割 - https://github.com/tensorflow/models/tree/master/research/deeplab
所以我尝试了一些东西并得出结论，我需要更多图像来训练我的模型。我有很多实例重叠的图像，而实例明显分开的图像并不多。 我希望有更好的方法来告诉模型哪个像素属于哪个实例。