语义分割及其unet网络

学习博客：

 语义分割前言_哔哩哔哩_bilibili

分割程度依次递增。

• 什么是语义分割？

图像语义分割的前世今生 - Ariel_一只猫的旅行 - 博客园

 

 PASCAL VOC2012数据集介绍_霹雳吧啦Wz-CSDN博客_voc2012数据集

•  src/unet.y

DoubleConv() 成对：

in_channels 输入

输出

不去改变特征层大小 padding=1

使用边：bias=False 

down() 下采样及其两个卷积层： 

up():上采样及其connect拼接 及其后面两个卷积层

bilinear:双线性插值

in_channal：connect之后的

scale_factor:双线性采样率为2

或者是不采用双线性： else:

 forward()：正向传播的过程

padding：16的倍数

outConv():输出

UNET整体搭建：unet（）

init():

图片通道个数in_channels ： 彩色3、灰度1、（当前为3）

num_classes：分 个数（包括背景）

bilinear ：是否要采用双线性插值替代转置卷积

base_c：第一个卷积核采用的个数 ， 当前=32

down4是独特的，

正向传播过程forward

以字典形式返回

 

 mask: 255白——0黑

mannual:人手工分割

自定义数据集载入数据mydataset.py

DriveDataset()继承来自于torch.util.data的Dataset类

重写以下三个类

init():

root:指向DRIVE的根目录，trian：true的话载入training下的目录，transforms:针对数据的预处理方式。

getitem():

将图片改为RGB图片。

manual改为灰度图片

len():

FCN源码里面