![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
10.deeplabv3+网络结构及实现
文章平均质量分 59
逐步深入认识deeplabv3模型
YANQ662
这个作者很懒,什么都没留下…
展开
-
6.2 deeplabv3+的rknn模型检测
首先,检测前的图片处理基本上套用了deeplabv3+源代码的图片处理方式,只是在检测前做了略微的改动.其次,rknn模型得到的结果需要稍微的处理,与pth模型得到的结果格式略有不同。注意,以上代码运行不会报错,但得到的结果不准确,后续需要对数据做进一步处理,处理后再更新。该部分的检测分为检测前的图片处理和检测两部分。原创 2024-03-01 15:59:34 · 176 阅读 · 0 评论 -
6.1 deeplabv3+的pth模型转换为rknn模型
3.backbone = "mobilenet" # backbone:mobilenet、xception(该模型用的卷积网络是mobilenet或者xception,训练时用哪个模型就在这里选哪个模型);模型用到的图片大小必须是512X512X3的,如果是其他大小的图片,则需要处理转换成该大小的图片,图片的处理建议根据deeplabv3+的测试的图片处理方式处理图片。到这里,pth模型转换为rknn模型就完成了,后续将完成图片处理及rknn模型的检测。模型转换的环境配置看我写的另一篇博文。原创 2024-02-29 16:25:15 · 950 阅读 · 0 评论 -
5.deeplabv3+的图片增强
读取图片====》根据比例缩放图片====》对图像进行缩放并且进行长和宽的扭曲====》翻转图像(左右镜像)====》将图像多余的部分加上灰条====》对图像进行色域变换====》将图像转到HSV====》应用变换。下面的图片是将原图的尺寸改为512*512的效果,如果要按照原图显示,也可以把修改尺寸的代码去掉。当然,在deeplabv3+的模型中,要求输入的图片大小必须是512*512*3的图片。图片增强处理就到这里了,大家有时候可以在做传统的图片处理时将这个方法用到里面。原创 2024-02-28 16:23:32 · 240 阅读 · 0 评论 -
4.deeplabv3+的Decoder网络结构的实现
该部分结构的输入有两部分,分别是mobilenet的前4层卷积网络输出的浅层特征网络和aspp的5个卷积构成的深度网络层。注释在代码的每行写的很详细。原创 2024-02-27 10:16:08 · 182 阅读 · 0 评论 -
3.deeplabv3+的深层网络结构的实现
以上网络结构里的rate表示空洞卷积核的大小,显然,该网络结构总共5层卷积处理,之后再将不同的层用concat堆叠,最后再用1x1的卷积核整合特征,转换为图片中绿色的层。ASPP网络结构的原理其实很简单,可以看博文。原创 2024-02-23 17:03:29 · 413 阅读 · 0 评论 -
2.deeplabv3+的主干网络(mobilenet网络)
deeplabv3的论文中用了resnet网络,在这里用轻量级网络mobilenet替换resnet,下面分别是两个网络的代码。原创 2024-02-23 15:40:29 · 1020 阅读 · 2 评论 -
1.deeplabv3+网络结构及原理
这里的网络结构及原理可以看这篇博客,该博客翻译原论文解释得很清楚。原创 2024-02-23 12:03:10 · 2981 阅读 · 0 评论