建外贸网站,阿里云网站建设模板,天津做网站制作,wordpress历史版本号1、前言
Unet 图像分割之前介绍了不少#xff0c;具体可以参考 图像分割专栏 为了实现多类别的自适应分割#xff0c;前段时间利用numpy的unique函数实现了一个项目。通过numpy函数将mask的灰度值提取出来#xff0c;保存在txt文本里#xff0c;这样txt里面就会有类似0 1…1、前言
Unet 图像分割之前介绍了不少具体可以参考 图像分割专栏 为了实现多类别的自适应分割前段时间利用numpy的unique函数实现了一个项目。通过numpy函数将mask的灰度值提取出来保存在txt文本里这样txt里面就会有类似0 1 2 ...等等的灰度值。而有几个灰度值就代表分割要分出几个类别。
具体可以参考Unet 实战分割项目、多尺度训练、多类别分割
将vgg换成resnet的unet参考UnetResNet 实战分割项目、多尺度训练、多类别分割 对于图像分割而言仍有很多的分割网络例如deeplab、retinaNet等等在分割任务有不错的表现。这里将介绍几种torch自定义的高阶分割API 高阶分割API的输入被限制为32的倍数不能像之前那样输入任意大小 2、Resnet101
代码类似参考之前的文章即可这里仅仅将网络进行替换
需要安装的库文件
pip install segmentation-models-pytorch
导入 导入网络 结果 效果还是可以的 3、Deeplabv3
可以利用torchvision自带的分割网络
导入 加载网络 这里没有加载预训练模型因为不同的输出会导入预训练权重失败当然可以删除最后的输出层进行导入可以自己尝试下 结果 4、项目地址
下载地址项目的使用参考readme文件
深度学习 UnetResnet101 实战分割项目、多尺度训练、迁移学习、多类别分割腹部多脏器5类别分割数据集 深度学习 Deeplabv3Resnet101 实战分割项目、多尺度训练、多类别分割腹部多脏器5类别分割数据集 5、一点废话
对于官方实现的高阶分割网络而言输入需要限制在32的倍数这是根据unet下采样的倍数决定的。
这样在推理的时候也需要将图像resize成固定大小之前讨论过这个问题总感觉有点差强人意所以本人不太使用这种高阶API参考关于图像分割的预处理 transform 对于二值图像来说之前做过几个项目有的是单通道输出有的是多通道输出
因为对于二值图像分割结果就两个0 1可以利用交叉熵进行输出两个也可以利用sigmoid阈值处理变成两个结果是没区别的。后者的精度虽然高但仅仅是精度不是iou将同样的项目换到交叉熵的多通道输出结果也一样所以不需要纠结。如下
