基于MaskR-CNN上不同犬种的分类分割性能对比分析

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.18686/jsjxt.v2i4.30236

基于MaskR-CNN上不同犬种的分类分割性能对比分析

罗又天, 李丹

四川大学锦城学院

全文直达

引用

打印

摘要：不同图片数据的分类在现实生活中是一项很常见任务，早在卷积神经网络就得以实现，并且随着R-CNN(RegionCNN)出现，简单的分类任务开始向目标检测任务上发展，在之后便是各种分割任务。而MaskR-CNN[3]在FasterR-CNN[4]之后，在目标检测的同时实现了实例分割。该算法模型需要在图片面板中辨别不同的目标物体，并学习大量的特性来表示每个目标物体的细节。而狗狗数据图片中，狗的种类特征之间(比如毛色，纹理，体型)存在相异性和相似性。所以在本文中，笔者选取并自己制作了两个不同狗类数据集，分别代表特征具有较大相异性和相似性的目标。用这两个狗类数据集来进行MaskR-CNN目标检测性能与实例分割性能的对比分析。

关键词：

MaskR-CNN；分类；分割；对比

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2020,2(4)