![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
语义分割
文章平均质量分 87
Life1213
这个作者很懒,什么都没留下…
展开
-
U-Net学习
U-Net的提出是为了解决医疗图像中的问题。原创 2024-07-28 15:33:52 · 246 阅读 · 0 评论 -
FCN 全卷积网络
最后进行转置卷积,进行32倍的上采样来恢复原图的高宽,深度为类别个数。这里使用了双线性插值的方法来初始化转置卷积的参数。而在论文中,作者冻结了转置卷积的参数,因此实际上就是一个简单的双线性插值,可以直接使用双线性插值。原因是两种方法的性能差不多,但可以加速训练过程。最终每个像素都有num_cls个数值,对它们进行softmax操作就可以知道该像素最有可能属于哪个类别。在FCN-32S中,VGG16、FC6与FC7使用的权重就是VGG中的权重。将前面得到的两个h16×w16×16h。原创 2024-07-27 17:26:39 · 707 阅读 · 0 评论 -
转置卷积 transposed convolution
通过上面分析,就可以知道为什么通过对输入特征图进行填充使用转置的卷积核并且使用转置卷积核与输入特征图进行步长=1的普通卷积操作就可以得到结果。原创 2024-07-26 20:14:05 · 810 阅读 · 0 评论 -
语义分割介绍
语义指具有人们可用语言探讨的意义,分割指图像分割。语义分割(semantic segmentation)能够将,使每个部分,让计算机可以理解图像。语义分割是,将整张图不留缝隙地分割成每个区域,。原创 2024-07-26 15:57:18 · 740 阅读 · 0 评论