- 博客(2)
- 资源 (4)
- 收藏
- 关注
原创 Pytorch下实现Unet对自己多类别数据集的语义分割
目录 Unet训练序言开发环境一、准备自己的数据集二、修改训练文件三、修改测试文件四、计算测试集各类别mIoUUnet训练2015年,以FCN为基础改进得到了Unet网络。Unet结构简单,采用了编码-解码结构,编码器实现特征的提取,解码器进行上采样,并融合了不同尺度特征,实现精细分割。序言通常,Unet被普遍应用到医学图像的处理,实现病灶的分割,这里的分割一般只是针对于单类病灶和背景的分割。为此,博主使用pytorch,对含有21类的VOC2012数据集在Unet实现训练和测试,过程如下。开发环
2021-01-09 09:23:38 21450 90
原创 自己的数据集由json转为voc数据集
自己的数据集由json转为voc数据集 开发环境:python3.7下面以pascal voc2012为例进行演示:1.修改 json_to_dataset.py,这个文件在解析json文件的时候会用到;json_to_dataset.py路径为:/home/xxx/anaconda3/envs/labelme/lib/python3.7/site-packages/labelme/cli修改:// json_to_dataset.pyimport argparseimport base64
2021-01-08 20:48:04 5266 19
Pytorch下实现Unet对自己多类别数据集的语义分割
2021-01-11
语义分割中各类别mIoU计算
2021-01-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人