Real-Time Trash Instaces Segmentation

Project for studying

Introduction

• Cấu trúc của Yolact (ảnh lấy từ paper)
• Yolact quan trọng vấn đề tốc độ hơn chính xác (độ chính xác giảm không nhiều, nhưng tốc độ vượt trội hơn so với các model khác)

Referenced Papers:

1. YOLACT: Real-time Instance Segmentation

   • Author: Daniel Bolya
   • Cited by 45
   • Link: https://arxiv.org/abs/1904.02689

2. YOLACT++: Better Real-time Instance Segmentation (2019)

   • Author: Daniel Bolya
   • Cited by 2
   • Link: https://arxiv.org/abs/1912.06218

Datasets:

• TACO (Trash Annotations in Context) : https://github.com/pedropro/TACO
• COCO : https://cocodataset.org/#download

Pretrained Weights

Model	Image Size	Backbone	Dataset	Weights
YOLACT	550 x 550	Resnet101-FPN	COCO	yolact_base_54_800000.pth
YOLACT	550 x 550	Resnet101-FPN	TACO	yolact_base_10_16500.pth

Backbone Resnet101: Link

Referenced Codes:

• Yolact: https://github.com/dbolya/yolact

Guide Video:

• COCO Annotation Format Guide

Hướng dẫn cài đặt và sử dụng trên colab

• Vào link này, thêm lối tắt drive của dataset và annotiation về drive của mình:

  • Link dataset và annotation của TACO

• Thêm lối tắt 3 file pretrained weights ở trên về drive của mình

• Tải file colab và chạy thử

Hướng dẫn thêm dataset mới

• Đầu tiên clone source code của Yolact từ trang github của họ về
• Vào thư mục yolact/data mở file config.py và làm giống như ví dụ dưới đây

• Sau đó bạn push folder yolact đó lên github cá nhân, và cũng upload dataset mới lên drive cá nhân
• Tham khảo colab của mình, thay vào đó link github và drive của bạn

Report

• Paper: Read more here