lego-cnn:卷积神经网络检测乐高积木

卷积神经网络检测乐高积木 使用合成图像进行训练，使用Mask R-CNN检测乐高积木。 项目目标 该项目的目标是对图像中的14种不同类型的乐高积木进行正确分类，其准确度要高于95％mAP。 这是一个对象检测任务。 每个图像可容纳多个乐高积木-每个图像最多22个。 在Blender生成的合成LEGO图像上训练神经网络。 另一方面，检测是在相机拍摄的真实LEGO图像上进行的。 该项目使用Mask R-CNN网络架构，并且基于以下项目 。 其他网络架构也已经过测试，例如Retinanet。 该架构也已通过LSTM层进行了扩展。 但是，结果类似于裸Mask R-CNN网络体系结构。 项目状态 该项目的第一阶段已经完成： CNN可以以高达74％的mAP的准确度检测真实图像中的LEGO。 考虑到网络仅在合成图像数据上进行训练，因此第一个结果非常令人满意。 合成图像中乐高的检测是可靠的，并且等于