tt丫的博客

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、图像分割简介与分类????图像分割：把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标。简单来说就是把图像中的对象分割出来????常用方法：基于阈值的分割方法；基于区域的分割方法；基于边缘的分割方法；基于特定理论的分割方法等（本篇只说明利用神经网络实现的图像分割方法）????图像分割的类型：语义分割和实例分割语义分割：所有相同类型的对象都使用一个类标签进行标记 实例分割：

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、感受野（知道的可以直接跳）感受野指：卷积神经网络每一层输出的特征图上的像素点在输入图片上映射的区域大小，即FC层每个输出节点的值都依赖FC层所有输入，而CONV层每个输出节点的值仅依赖CONV层输入的一个区域，这个区域之外的其他输入值都不会影响输出值，该区域就是感受野。简单来说就是特征图上的一个点对应输入图上的区域。举个栗子：一个5*5的特征图经过2个3*3卷积核后（步长为1，padd

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、FCN提出原因为了解决图像分割这种像素级别的问题。图像分类是图像级别的，一般使用CNN为基础框架进行分类，但是CNN难以应用于图像分割原因：（1）CNN在进行卷积和池化过程中丢失了图像细节，即feature map size渐渐减小，因此不能很好指出物体的具体轮廓，指出每个像素具体属于哪个物体，从而无法做到精确的分割。（2）一般CNN分类网络都会在最后加入一些全连接层，经过s

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、U-Net产生的原因以及简单介绍????产生原因及背景：U-Net 是为了解决生物医学图像分割问题而产生的。因为它的效果很好，所以后来被广泛应用于语义分割的各个方向：比如卫星图像分割等等。????变体：U-Net是由FCN衍生而来的，都是 Encoder-Decoder 结构，结构比较简单。想了解FCN可以看博主往期文章全卷积网络FCN详解_tt丫的博客-CSDN博客

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、deeplab-v3+提出原因与简单介绍deeplab-v3+是一个语义分割网络，它基于deeplab-v3，添加一个简单有效的Decoder来细化分割结果，尤其是沿着目标对象边界的分割结果，即采用空间金字塔池模块或编解码结构二合一的方式进行实现。二、deeplab-v3+网络结构图可以看到他是Encoder-Decoder网络结构。接下来我们分成Encoder和Decoder进行