![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像分割
AI剑客
计算机视觉方向:图像及视频处理
展开
-
keras Mask Rcnn代码走读(十二)-Dataset相关介绍
keras Mask Rcnn代码走读(十二)-Dataset相关介绍一,Dataset相关包括定义数据集,数据集加载,mask的加载。原创 2020-01-14 21:53:45 · 372 阅读 · 0 评论 -
keras Mask Rcnn(十三)-训练自己的数据集-面部涂鸦
训练自己的数据集一,VIA标注数据集,这里不再详细介绍使用方法,标注完成后,生成json文件。与图片放在一起。二,根据需要修改config-blog.csdnimg.cn/20191214212250875.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nL...原创 2019-12-16 20:07:31 · 488 阅读 · 0 评论 -
PSPNet输入图像尺寸的讲究
PSPNet输入图像尺寸:473 or 713一般的图像输入为224,256基本为32的整数倍。进行图像语义分割时,边缘部分因为卷积池化的关系,特征丢失多,导致边缘分割精度不好。PSPNet 将原始尺寸设定为473 or 713,通过padding后,实际的输入尺寸为480 or 720,feature map 1/8后为60 or 90,刚好与1,2,3,6 金字塔池化对应。(60 or 90...原创 2019-11-30 16:22:23 · 1337 阅读 · 1 评论 -
PSPNet介绍-语义分割
PSPNet - Pyramid Scene Parsing Network核心模块是金字塔池化模块( pyramid pooling module),它能够聚合不同区域的上下文信息,从而提高获取全局信息的能力。实验表明这样的先验表示(即指代PSP这个结构)是有效的,在多个数据集上展现了优良的效果。1.pyramid pooling module该模块融合了4种不同金字塔尺度的特征,第一行...原创 2019-11-28 21:11:56 · 17241 阅读 · 7 评论 -
FPN网络介绍
这篇论文是CVPR2017年的文章,采用特征金字塔做目标检测论文:feature pyramid networks for object detection论文链接:https://arxiv.org/abs/1612.03144FPN:feature pyramid networks 特征金字塔网络论文概述:object detection算法都是只采用顶层特征做预测,但我们知道低层的...原创 2019-11-25 19:40:00 · 1423 阅读 · 0 评论 -
图像分割后图像之全连接CRFs后处理
目前图像像素级语义分割比较流行使用深度学习全卷积神经网络FCN或者各种FCN的改进版U-Net、V-Net、SegNet等方法。这些模型中使用了反卷积层进行上采样操作,虽然能够将特征图恢复至原图尺寸,但也造成了特征的损失,自然而然产生了分类目标边界模糊的问题。为了得到更精确的最终分类结果,通常要进行一些图像后处理。全连接CRFs是在目前深度学习图像分割应用中常用的一种图像后处理方式,它是CRFs的...原创 2019-11-21 20:49:39 · 10031 阅读 · 18 评论 -
图像分割lable 使用np.equal,np.all,np.stack,三个操作实现one hot编码
在图像分割中,lable也是图片,进行训练时,需要将lable image转换成one hot编码的形式。本文较少使用np.equal,np.all,np.stack,三个操作实现one hot编码。其中label为gt image, label_values为class RGB Values list。1.np.equal实现把label image每个像素的RGB值与某个class的RG...原创 2019-11-01 22:56:45 · 3162 阅读 · 1 评论 -
CNN中调整特征图大小的操作总结
在深度学习中,CNN经常要调整特征图的大小,本文对一些常用的方法。一,利用卷积核的步进(stride)调整大小下采样:在padding='same’时,卷积后的特征图大小变为原图/strides,特征图变小,称之为下采样。Conv2D(filters, kernel_size, strides=strides, padd...原创 2019-10-22 21:32:15 · 6007 阅读 · 2 评论 -
keras实现U-Net, R2U-Net, Attention U-Net, Attention R2U-Net
keras实现U-Net, R2U-Net, Attention U-Net, Attention R2U-Net代码在github上,,记得给星哦。我的github地址一,Unet结构:优点:结构简单易懂,能在很小的数据集训练并取得不错的解决,用于许多的生物医学的分割。缺点:网络深度不够,导致在多分类中表现一般。参考代码:def unet(img_w, img_h, n_label...原创 2019-10-13 16:43:10 · 8045 阅读 · 12 评论 -
Satellite卫星遥感图像中小物体的分割识别
1.在卫星的遥感图像中,一般植被或建筑物是比较大明显物体,相对而言,路属于较难的目标(hard example),在图像分割时,不进行特殊处理,会导致无法正确分类分割。语义分割就是像素分类。2,使用keras自带的的BCE Loss(binary_crossentropy)与accuracy评价来训练及验证unet模型,设定及效果如下:model.compile(optimizer=Adam...原创 2019-10-03 10:05:51 · 2202 阅读 · 1 评论 -
图像分割中类别极度不均衡的loss处理方式
(https://blog.csdn.net/m0_37477175/article/details/83004746)转载 2019-10-01 20:45:06 · 1369 阅读 · 0 评论 -
keras Unet 细胞分割边缘检测代码走读
[源码地址](https://github.com/zhixuhao/unet)主要是3部分,main.py, model.py,data.py一. main,pyfrom model import * #导入model.pyfrom data import * #导入data.py#os.environ["CUDA_VISIBLE_DEVICES"] = "0" #GPU...原创 2019-09-13 12:55:03 · 2500 阅读 · 2 评论