如何为没有边界框的训练数据训练Mask-RCNN？

Question

我想在NYU RGBD数据集上训练Mask-RCNN，它不包含边界框。我可以自己为训练数据创建边界框，但是任务太繁琐了，我只想测试输入data.So上的实例分割，我如何才能在没有边界框的训练数据上进行训练？

Answer 1

你根本不能这样做。目标检测算法需要边界框进行训练。

Answer 2

是的，你可以，但不是直接你必须搜索bbox，它已经足够让二进制掩模0,1计算最大值的长度和宽度(使用numpy它很容易)，在有掩模长度/2宽度/2的中间坐标(i，j)之后，通过推导掩模像素的位置来定位掩模上图像的中间位置。

Answer 3

您可以从实例蒙版中提取边界框。在官方的MaskRCNN代码存储库中，他们提供了该here的代码。

简而言之，对于给定的形状为h，w的掩模m

box = np.zeros([4], dtype=np.int32)
# Bounding box.
horizontal_indicies = np.where(np.any(m, axis=0))[0]
vertical_indicies = np.where(np.any(m, axis=1))[0]
x1, x2 = horizontal_indicies[[0, -1]]
y1, y2 = vertical_indicies[[0, -1]]
# x2 and y2 should not be part of the box. Increment by 1.
x2 += 1
y2 += 1
box = np.array([y1, x1, y2, x2])