图像分割
文章平均质量分 58
记录本人的学习过程
饭饭饭饭饭炒蛋
这个作者很懒,什么都没留下…
展开
-
如何计算3种卷积之后的尺寸(普通卷积,转置卷积,空洞卷积)
三种卷积之后的feature map的尺寸如何计算。包括普通卷积,转置卷积,空洞卷积。可以在下面这个链接看到三种卷积的动态图。卷积动态图。原创 2023-09-25 16:48:52 · 465 阅读 · 0 评论 -
DUC(dense upsampling convolution)模块的实现(Pytorch)
在这篇论文中提出了DUC模块,DUC的全称是dense upsampling convolution,即密集上采样卷积。提出的背景是:在decoder阶段,一般采用双线性插值和转置卷积来实现。第一种的双线性插值其参数不可学习的,这样会造成细节信息的损失,第二种的转置卷积会在原图中填充0,论文中没说这样做有什么不好,我自己的想法是,在特征图之间填充0会导致特征图便模糊,及是细节信息损失。作者于是提出了DUC模块。提示:以下是本篇文章正文内容,下面案例可供参考。原创 2023-09-23 11:13:10 · 486 阅读 · 2 评论 -
记录一次错误---想让U-net网络输入大小不一致的图片
最近在看Deeplab系列的论文,文中提到了语义分割领域的一个难题是:将图片输入网络之前需要resize成统一大小,但是resize的话会造成细节信息的损失,所以想要网络处理任意大小的图片输入。我之前训练的U-net网络都是resize成224*224大小,于是我想实验一下不resize,直接将数据经过Totensor(),归一化之后直接丢进网络,但是确报错了。还是说中只是在test的时候能够处理任意大小的图片就行,因为不需要Dataloader了。查了一下发现,在Pytorch中。原创 2023-09-22 12:32:47 · 586 阅读 · 1 评论