【Segment Anything Model】十(2):利用SAM做分类任务,方法二,SAM的image_encoder部分进行特,将SAM提取到的ImageEmbedding插入到vgg网络中

本文介绍了如何将SAM的特征提取与VGG16网络结合,通过特征融合实现二分类任务。详细阐述了特征融合的必要性和策略,并提供了调整特征维度、创建融合模块的代码。此外,还提供了数据集构建、训练和验证新网络的步骤,适用于医疗等领域的图像分类。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

🍉 博主微信 cvxiayixiao
🍓 【Segment Anything Model】计算机视觉检测分割任务专栏。 链接
🍑 【公开数据集预处理】特别是医疗公开数据集的接受和预处理,提供代码讲解。链接
🍈 【opencv+图像处理】opencv代码库讲解,结合图像处理知识,不仅仅是调库。链接

本篇分为两小节:

【Segment Anything Model】九(1)介绍加载vgg16网络的预训练权重,并利用其主干部分进行特征提取,改变分类个数为二值分类,或者自定义num_class分类。 【Segment Anything Model】九(2)介绍使用SAM的image_encoder部分进行特征提取,将提取到的Embedding插入到vgg16中,形成cnn和transform的混合特征,之后进行二分类。

本篇给出vgg和SAM联动代码。本篇和【Segment Anything Model】十(1):利用SAM做分类任务,方法二,不放过SAM强大特征提取能力,将SAM提取到的ImageEmbedding插入到其他cnn网络中,协同食用

评论 38
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

cv夏一笑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值