分割
文章平均质量分 92
求则得之,舍则失之
这个作者很懒,什么都没留下…
展开
-
用于语义分割的Hausdorff损失函数
当谈到距离时,我们通常指的是最短距离,例如,如果一个点与多边形的距离是,我们通常假设是到最近点的距离。同样的逻辑适用于多边形与多边形之间如果两个多边形和彼此之间有一定的距离,我们通常理解的距离是的任何一点和的任何一点之间的。形式上,这被称为最小函数,因为和之间的距离D(A,B)=mina∈A{minb∈B{d(a,b)}}这个方程读起来像一个计算机程序对于中的每一点,求出它到中的任何一点的最小距离;最后,求得所有点中最小值。。图1图。......原创 2022-07-16 20:00:00 · 3001 阅读 · 2 评论 -
数据增强系列(5)PyTorch和Albumentations用于语义分割
这个例子展示了如何使用Albumentations进行二分类语义分割。我们将使用牛津宠物数据集。任务是将输入图像的每个像素分类为宠物或背景。1.安装所需的库我们将使用TernausNet,这是一个为语义分割任务提供预训练的UNet模型的库。pip install ternausnetpip install albumentations==0.4.6 #下载这个版本的不会报错2.导入相关的库from collections import defaultdictimport copyimpo原创 2022-06-23 23:00:00 · 1823 阅读 · 1 评论 -
SOLOV2训练教学
Github: https://github.com/WXinlong/SOLO我的操作系统是Ubuntu18.04,本文将会分成以下部分:创建数据集修改config模型训练可视化Mask结果模型评估推理预测推理优化首先安装一些基本库,可参考官方安装说明$ git clone https://github.com/WXinlong/SOLO.git$ cd SOLO$ pip install -r requirements/build.txt$ pip install “git原创 2022-02-25 20:00:00 · 2847 阅读 · 11 评论 -
语义分割与实例分割 Labelme标注教学
在进行Segmentation 训练之前需要准备训练集和验证集,本文将要来介绍如何使用LabelMe进行标记。LabelMe 是个可以绘制多边形、矩形、圆形、直线、点的一套标记工具,可用于分类、目标检测、语义分割、实例分割任务上的数据标注。1.label安装与数据标注首先安装LabelMe,我使用Anaconda 进行安装。打开Anaconda Prompt 执行以下指令:pip install labelme接着输入labelme 会出现以下UI 介面,点选Open Dir 选择要标记的图片资料原创 2022-02-23 14:35:28 · 12998 阅读 · 18 评论 -
OpenCV进阶(7)在 OpenCV中使用 Mask RCNN实现对象检测和实例分割
在这篇文章中,我们将讨论 OpenCV 中的 Mask RCNN。对象检测器的输出是在图像或视频帧中检测到的对象周围的边界框数组,但我们无法获得有关边界框内对象形状的任何线索。如果我们能找到一个包含对象的二进制掩码而不仅仅是边界框,那不是很酷吗?在这篇文章中,我们将学习如何做到这一点。我们将展示如何使用称为 Mask RCNN(基于区域的卷积神经网络)的卷积神经网络 (CNN) 模型进行对象检测和分割。使用 Mask-RCNN,我们不仅检测对象,还获得包含对象的灰度或二进制掩码。Mask-RCNN原创 2021-10-11 16:43:57 · 1799 阅读 · 1 评论 -
Pytorch基础知识(10)多目标分割
在目标分割任务中,我们的目标是在图像中找到目标物体的边界。图像中目标的分割有很多应用,如自动驾驶汽车和医学图像分析。在单目标分割章节中,我们学习了如何使用PyTorch构建一个单目标分割模型。在本章中,我们将重点关注使用PyTorch开发一个深度学习模型来执行多目标分割。在多目标分割中,我们感兴趣的是自动勾勒出图像中多个目标的边界。图像中物体的边界通常由与图像大小相同的分割掩码来定义。在分割掩码中,根据预先定义的标签,所有属于同一目标的像素被标记为相同的标签。例如,在下面的截图中,你可以看到一个带有两种类原创 2021-07-14 17:02:02 · 2907 阅读 · 1 评论 -
Pytorch基础知识(9)单目标分割
目标分割是在图像中寻找目标物体边界的过程。目标分割有很多应用。例如,通过勾勒医学图像中的解剖对象,临床专家可以了解有关患者病情的有用信息。根据图像中目标的数量,我们可以进行单目标或多目标分割任务。本章将重点介绍使用PyTorch开发一个深度学习模型来执行单目标分割。在单目标分割中,我们感兴趣的是自动勾勒出图像中一个目标物体的边界。对象边界通常由二进制掩码定义。从二进制掩码中,我们可以通过在图像上覆盖一个轮廓,以勾勒出物体的边界。例如,下面的截图描绘了一个胎儿的超声波图像,一个对应于胎儿头部的二进制掩膜,原创 2021-07-13 16:03:58 · 1870 阅读 · 3 评论