مختبر الرؤية الحاسوبية الدروس التجزئة المثيلية والشاملة
التجزئة المثيلية والشاملة
Instance and panoptic segmentation
Mask R-CNN وجودة الشمول PQ، وتقريب المثيلات بالمكونات المتصلة.
هذا المحتوى أُعدّ آلياً من مصادر موثقة ولم تكتمل مراجعته العلمية البشرية بعد. إن وجدت خطأً فأبلغنا.
المقدمة
عدّ الأجسام وفصلها يحتاج إلى أكثر من قناع دلالي.
الأهداف التعليمية
- فهم Mask R-CNN.
- فهم PQ.
- معرفة حدود التقريب بالمكونات المتصلة.
المتطلبات السابقة
شبكات التجزئة الدلالية والكواشف ثنائية المرحلة.
الشرح العلمي
Mask R-CNN يضيف لكل منطقة مقترحة قناعاً ثنائياً. التجزئة الشاملة تعطي كل بكسل فئة ومعرّف مثيل للأجسام القابلة للعد. في المختبر يُعرض تقريب تعليمي: المكونات المتصلة لكل فئة في القناع الدلالي، وهو يدمج الأجسام المتلامسة في مثيل واحد، لذلك نصفه بوضوح بأنه تقريب.
المعادلات الرياضية
PQ = SQ × RQ.
مثال عملي
شخصان متلامسان يظهران مكوّناً واحداً في التقريب، بينما يفصلهما Mask R-CNN.
خطوات التنفيذ
- اختر نوع التجزئة «مثيلية تقريبية».
- لاحظ الألوان لكل مكوّن.
- إن كان الخادم مفعلاً جرّب Mask R-CNN.
النتائج المتوقعة
تفهم الفرق بين المكون المتصل والمثيل الحقيقي.
الأخطاء الشائعة
عرض تقريب المكونات المتصلة على أنه تجزئة مثيلية حقيقية.
التطبيقات العملية
عدّ الخلايا، الروبوتات، التجارة.
المراجع
- K. He, G. Gkioxari, P. Dollár, R. Girshick (2017).Mask R-CNN. ICCV 2017. doi:10.1109/ICCV.2017.322
- A. Kirillov, K. He, R. Girshick, C. Rother, P. Dollár (2019).Panoptic Segmentation. CVPR 2019. doi:10.1109/CVPR.2019.00963
