李沐-46 语义分割和数据集【动手学深度学习v2】

最新推荐文章于 2025-07-28 19:52:11 发布

Cai_CS_stu

最新推荐文章于 2025-07-28 19:52:11 发布

阅读量441

点赞数 7

CC 4.0 BY-SA版权

分类专栏：李沐-动手深度学习文章标签：深度学习人工智能

本文链接：https://blog.youkuaiyun.com/ADDDDDDS/article/details/138423653

在语义分割中，不是一张图片分配一个label，而是为图片的每一个像素点分配一个label。假设我们输入的是RGB三通道的图片，即每个像素点颜色可以表示为(x, y, z)，那么为了给像素点打上label，我们需要构建一个映射关系，例如下面，我们定义了21种颜色对应的标签信息：

#@save
VOC_COLORMAP = [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0],
                [0, 0, 128], [128, 0, 128], [0, 128, 128], [128, 128, 128],
                [64, 0, 0], [192, 0, 0], [64, 128, 0], [192, 128, 0],
                [64, 0, 128], [192, 0, 128], [64, 128, 128], [192, 128, 128],
                [0, 64, 0], [128, 64, 0], [0, 192, 0], [128, 192, 0],
                [0, 64, 128]]

#@save
VOC_CLASSES = ['background', 'aeroplane', 'bicycle', 'bird', 'boat',
               'bottle', 'bus', 'car', 'cat', 'chair', 'cow',
               'diningtable', 'dog', 'horse', 'motorbike', 'person',
               'potted plant', 'sheep', 'sofa', 'train', 'tv/monitor']

那么怎么查找标签中每个像素的类索引呢？我们定义了voc_colormap2label函数来构建从上述RGB颜色值到类别索引的映射，而voc_lab