语义分割
文章平均质量分 90
热血厨师长
个人学习记录
展开
-
狗都能看懂的变化检测网络Siam-NestedUNet讲解——解决工业检测的痛点
1、问题介绍工业检测如今深度学习的发展如火如荼,各类神奇的技术如人脸识别、换脸技术啥的,似乎什么问题都只需要Deep Learning一下就可以解决了。但这都是属于民用级别的技术,而真正想要在实际业务中落地,更多的是要渗透到工业中去。常见的工业检测有如下特点:良品多,次品少。如果一个工厂生产的大部分都是坏品,那这个工厂就离倒闭不远了。而恰恰深度学习则需要大量的坏品数据。产品换批次,产线更新。经常一换产品,之前优化过的模型就没办法再用了。就针对这两个问题,目前学术界较为成熟的目标检测、图像分割原创 2021-11-26 12:04:46 · 13010 阅读 · 59 评论 -
U-Net详解:为什么它适合做医学图像分割?(基于tf-Kersa复现代码)
1、U-netU-Net是一篇基本结构非常好的论文,主要是针对生物医学图片的分割。这种“对称”的结构也是神经网络中比较少见的,但如果把整个网络拉直,这样就和其他语义分割网络类似了。2、特点介绍首先,我们先来看一下U-Net的整体结构,可以看到,它并不是完全对称的。UNet原文中提到,输入图像是512x512大小的,那为什么图中第一层的宽高却是572呢?这样做有什么好处?Over-tile策略Unet使用一种称为overlap-tile的的策略,使得任意大小输入的图片都可以获得一个无缝分割。ove原创 2021-08-15 12:12:05 · 4489 阅读 · 0 评论 -
SegNet——论文笔记
1、什么是语义分割(semantic segmentation)?图像语义分割,简而言之就是对一张图片上的所有像素点进行分类,将所有属于同一类的物体标记为同一像素点。SegNet基于FCN,修改VGG-16网络得到的语义分割网络。2、SegNet(A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation)SegNet 有一个编码器网络和一个相应的解码器网络,然后是最终的逐像素分类层。编码器在编码器处,执原创 2021-07-04 11:23:07 · 2357 阅读 · 0 评论 -
FCN——语义分割的开山鼻祖(基于tf-Kersa复现代码)
1、什么是语义分割(semantic segmentation)?图像语义分割,简而言之就是对一张图片上的所有像素点进行分类,将所有属于同一类的物体标记为同一像素点。而今天要来介绍的则是第一个用卷积神经网络来做语义分割的方法——FCN。2、FCN(Fully Convolutional Networks for Semantic Segmentation)常见的卷积神经网络在多次卷积之后会接上若几个全连接层,将卷积和下采样产生的feature map映射成为一个固定长度的特征向量。一般的CNN结构原创 2021-06-27 11:21:06 · 2858 阅读 · 2 评论