图像分割笔记
文章平均质量分 64
图像分割笔记
libo-coder
DeepLearning / Computer Vision / OCR
展开
-
『图像分割』DeepLab
文章目录一、Deeplabv31.1 主要变化二、Deeplabv3+2.1 改进之处 一、Deeplabv3 1.1 主要变化 (1)使用了 Multi-Grid 策略,即在模型后端多加几层不同 rate 的空洞卷积。 空洞卷积: Dilated Covolution,使得 backbone 在保持参数量不变,每个阶段的卷积层视野不变的前提下,靠后的卷积层也可保持较大的 feature maps 尺寸,从而有利于对小目标的检测,提高模型的整体性能。 (2)将 batch normalization原创 2021-05-20 20:18:01 · 350 阅读 · 2 评论 -
『图像分割笔记』代码积累
文章目录一、标签可视化 一、标签可视化 标签图像的值只包含 0 和 1,所以它看起来整个图都是黑色的。 标签图像是 8 位的单通道图像,所以该方法支持最多 256 种类别。 如果直接打开图像的 Label 查看的话,应该是一个全黑的图像,因为对应的像素值太小,无法看清。如果想查看某个类别的标注情况,可以使用以下代码进行 label 标注情况的查看: for shape in shapes: categroy = shape["label"] points = shape["points"] poin原创 2021-05-16 21:53:53 · 282 阅读 · 4 评论