![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像分割
文章平均质量分 75
ElaineLiu0307
这个作者很懒,什么都没留下…
展开
-
语义分割中的上下文信息、空间信息、低层特征和高层特征都是什么意思
图中存在一些东西它们距离很远,但是有很强的语义联系,就像这张图中的球员和篮球,如果能同时涵盖二者,就可以直接理解这幅图。这种层次就是语义粒度,粒度这个词常见的一种场合是细粒度分类,比如分出这个动物是猫是狗就属于粗粒度,而分出这只猫属于哪个品种,就属于细粒度了。当我们仅仅着眼于上下文时,其实并无法获知他在干嘛,他可能是在投篮,也可能是在跳高,甚至可能是在跳舞。而事实上,计算机看着这玩意就是一堆像素,一个像素是分辨不出球员的,因此需要一个窗口,这个窗口在整张图中滑动,并找到球员的头,身体,手臂等等。原创 2024-04-01 10:46:27 · 1293 阅读 · 0 评论 -
OhemCELoss用于图像分割的OHEM交叉熵损失函数
OhemCELoss(Online Hard Example Mining Cross Entropy Loss)是一种在深度学习模型训练中应对类别不平衡问题的损失函数,通过在线困难样本挖掘(Online Hard Example Mining,OHEM)的策略来关注那些难以分类的样本,以增强模型对困难样本的学习效果。在图像分割问题中,以每个 pixel 的损失为最小单元,而不是 batch 中每张图片。原创 2023-12-05 11:40:50 · 466 阅读 · 0 评论