我是深度学习的新手，我正在阅读一些最先进的论文，我发现掩码r-CNN完全用于图像的分割和分类。我想把它应用到我的理学硕士项目中，但我有一些问题，你可以回答。如果这不是正确的地方，我深表歉意。 首先，我想知道获取注释的最佳策略是什么。这似乎有点劳动密集型，我不明白是否有任何简单的方法。之后，我想知道您是否知道掩码 r-cnn 的任何注释工具，该工具生成由用户手动完成的二进制掩码。
我希望这可以变成一个富有成效和信息丰富的线程，因此任何建议，经验将不胜感激。
问候
你可以使用 MASK-RCNN，我推荐它，是一个两阶段的框架，首先你可以扫描图像并生成可能包含对象的区域。第二阶段对提案图边界框进行分类。
但两大问题
如何从头开始训练模型？当我们想要时会发生什么 训练我们自己的数据集？
您可以使用从互联网下载的注释，也可以开始创建自己的注释，这需要很多时间！
您有以下工具：
通过 GGC 图像注释器 http://www.robots.ox.ac.uk/~vgg/software/via/via_demo.html
它是在线的，您不必下载任何程序。这是我推荐你的一个，将图像保存在 .json 文件中，这样你就可以使用框架 MASK R-CNN 中 SAMPLES 中默认提供的气球类，你只需要放置你的 json 文件和你的图像并训练你的数据集。
但是总是有更多的选择，你有labellimg，它也用于注释并且非常有名，但是将文件保存在xml中，你必须在python中对你的类进行一些更改。您还有标签，标签盒等。