语义分割
文章平均质量分 60
百大小伙计
这个作者很懒,什么都没留下…
展开
-
深度学习的炼丹经历
lr的设置不应该过大,也不应该太小,当lr设置的太大时,会在训练中飞出去。对于语义分割,一般情况下,lr=1e-3就已经很大了,在训练时,有幸遇到过loss的值突然从0.9直接一跃到30000或者几百都有可能,然后再降下来,过于魔幻,因此lr的值的设定也要发生变化,不能太大,也不能太小。lr设置的太大loss的结果如下图所示:一般不要设置太大,但是太小也不行,太小的话会导致模型只能在局部极小点收敛,不能达到更好的结果。原创 2022-11-27 10:48:29 · 466 阅读 · 1 评论 -
初识图像分割
图像分割图像分割的分类语义分割算法基本流程语义分割性能指标mAccmIoUmAcc和mLoU的区别 图像分割的分类 语义分割:对于一只猫,站在地面上,还要对地面进行分割处理,对每个pixel分类,只分类属于classifica,还要表示obje的种类也要表示出来 图像分割:对于一个猫,只需要判断这个object是的话就标记出来。 实例分割:对每一个框架中的物体分mask,标记 全景分割:对背景每一个pixel分类+mask 语义分割算法基本流程 输入:RGB图像 算法:深度学习模型 输出:分类结果(与输入原创 2022-04-18 22:36:56 · 537 阅读 · 0 评论