一些小问题

背景

昨天试图用自动标定的png图片来训练deeplabv3+,结果很差，预计结果和原图差距大概有这么大：


无奈之下只好另寻它法。今天用matlab重新将矩阵转换为了无标定的数据，矩阵的值对应灰度值，希望有用。为了探寻所有图片中最大的分类，写了一个呆瓜代码。

方法

# -*- coding:utf-8 -*-
# author:zzm
# datetime:2021/11/26 21:12
from PIL import Image
import numpy as np
#最大值i
i=0
#遍历五千张图片
for z in range(1,5001):
    #将png图片转换成矩阵
    image = Image.open(r'C:/Users/zzm/Desktop/k_pictrue/k_pictrue/wrap('+str(z)+').png').convert('L')
    images = np.asarray(image)  # 转化成矩阵以后，iamges中存储的是图片的像素值。
    #经典笨蛋方法比大小
    for x in range(256):
        for y in range(256):
            if images[x][y]>i:
                i=images[x][y]
#输出最大分类值
print(i)

可以看到，import numpy，但是没有用到numpy。好在电脑还可以，几分钟就跑完了。如果numpy有方法改写应该几秒钟就处理好了吧。。。最后输出是15。果然昨天启发式方法设置的20类有点多了。。。难怪训练15个epoch之后验证集的错误率就降不下去了。。。

结论

可能很多时间还是花在读取图片上了，和numpy不numpy的没啥关系。