基于Mask R-CNN算法的废塑料瓶迁移学习实例分割
计算机视觉与模式识别
2022-04-18 v1 机器学习
摘要
本文提出了一种采用迁移学习方案、利用掩码区域卷积神经网络（Mask R-CNN）进行废塑料瓶检测与实例分割的方法。塑料瓶是主要污染物之一，对海洋和陆地环境均构成严重威胁。瓶子的自动识别与分拣可促进塑料废物回收。我们构建了一个包含192张瓶子图像的自定义数据集，并进行了逐像素多边形标注以用于自动分割任务。所提出的迁移学习方案使用了在Microsoft COCO数据集上预训练的Mask R-CNN模型。我们给出了在自定义数据集上微调基础预训练Mask-RCNN模型的完整方案。我们最终微调后的模型达到了59.4的平均精度均值（mAP），对应于MS COCO指标。结果表明深度学习在废瓶检测方面具有广阔的应用前景。
引用
@article{arxiv.2204.07437,
title = {Transfer Learning for Instance Segmentation of Waste Bottles using Mask R-CNN Algorithm},
author = {Punitha Jaikumar and Remy Vandaele and Varun Ojha},
journal= {arXiv preprint arXiv:2204.07437},
year = {2022}
}