TensorFlow2 语义分割算法 SegNet 实战

目录

一、SegNet算法详解

（1）SegNet简介

（2）SegNet网络结构

（3）SegNet实验效果

二、TensorFlow2.0搭建SegNet进行语义分割

（1）数据集准备数据集制作完成后，要通过make_txt文件保存数据集所有图片和对应标签的文件名。代码如下：

（2）网络结构搭建

（3）模型的装配与训练

（4）测试效果

---

一、SegNet算法详解

（1）SegNet简介

早在2015年，Vijay Badrinarayanan, Alex Kendall等人就提出了SegNet算法，这是一种用于语义像素级分割的深度全卷积神经网络结构。它主要是由一个编码器网络、一个对应的解码网络和一个像素级分类层组成。SegNet的新颖之处在于解码器对其低分辨率输入特征映射进行上采样的方式。具体地说，解码器使用在对应编码器的最大池化步骤中计算的池索引来执行非线性上采样。

SegNet的主要针对场景理解应用，SegNet的可训练的参数量比其它的网络结构显著减少，并且它可以通过随机梯度下降算法进行端对端地训练。经评估表明，与其他体系结构相比，SegNet在推理过程中，具有时间和内存方面的良好性能。

（2）SegNet网络结构

1. 整体结构<