向AI转型的程序员都关注了这个号????????????
人工智能大数据与深度学习 公众号：datayx
一，手提包数据集
数据集下载：用pytorch写FCN进行手提包的语义分割。
training
https://github.com/yunlongdong/FCN-pytorch-easiest/tree/master/last
放到bag_data文件夹下
ground-truth label
https://github.com/yunlongdong/FCN-pytorch-easiest/tree/master/last_msk
放到bag_data_mask文件夹下
项目目录结构：
训练数据：
训练label：
从这个手提包数据集可以看出，这是个二分类的，就是只分割出手提包 和 背景 两个类别。所以label处黑色的表示手提包，白色的就是无关的背景。
二，训练代码（用来读取数据集，包括手提包图片和手提包图片的label）
代码 获取方式：
分享本文到朋友圈
关注微信公众号 datayx 然后回复 手提包 即可获取。
AI项目体验地址 https://loveai.tech
店铺地址：
https://shop585613237.taobao.com
↓
2.1：数据集读取的代码
贴了数据集读取的代码后，我觉得有必要说一下onehot这个函数。
1.就是数据集label的onehot化：
onehot化是把label化成一个一维向量。
onehot化的函数如下：
输入的data为以灰度图形式读取的label，n为分割的类别数(此数据集是2)
buf = np.zeros(data.shape + (n, ))
#设data的shape为(a,b)，则构造一个全0矩阵，维度为(a,b,n)
因为n是2，所以意思就是，2层的(a，b)的全0矩阵，一层用来表示手提包的，剩下一层则是用来表示背景的。
nmsk = np.arange(data.size)*n + data.ravel()
这行则比较妙一点，首先设data的size为5，则arange(5)为，(0，1，2，3，4)，其实就是表示data各个元素的位置。arange(5)*2为(0，2，4，6，8)，其实这是变相表示原来长度x2的位置。而data因为是label，且归一化过的，所以data里的值要么是0要么是1，data.ravel()是把data展成一维数组，arange(5)*2+data.ravel()意思是在(0，2，4，6，8)中，表示手提包的则+1，表示背景的则+0。这里打个比方，例如第三个和第五个位置是表示手提包的，则是(0，2，5，6，9)，到这里可能还看不出什么，结合下一句代码就明白了。
buf.ravel()[nmsk-1] = 1
用回刚刚的例子(0，2，5，6，9)，nmsk-1后，是(9，1，4，5，8)，与初始的(0，2，4，6，8)对比，若原来是1的位置会保持原样(因为+1后又-1了)，而原本是0的，表示其位置就会-1。这样的结果就是把(a,b)的label投射到(a,b)*2的长度中。这样做的原因数据集是2分类的，所以网络输出肯定是(a,b,2)这样的，所以label必须要和网络输出维度形式一样才能比较，得出损失函数。
2.2，模型代码
三，效果展示
使用visdom可视化，运行了20个epoch后的可视化如下图：
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
扫一扫
2094
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
