
图像分割
文章平均质量分 61
CV-deeplearning
曾任小米AI Lab图像算法工程师, 现任国内知名公司算法专家, 微信公众号:AIWorkshopLab。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
人像抠图matting
抠图Image Matting(精细化分割/图像去背景)旨在从图像中精确提取前景对象,并处理前景与背景之间的透明度过渡区域(如头发、烟雾等半透明区域)。其核心是通过预测每个像素的透明度值(Alpha通道),实现软分割(Soft Segmentation)。对于一张图I, 我们感兴趣的人像部分称为前景F,其余部分为背景B,则图像I可以视为F与B的加权融合:I = alpha * F + (1 - alpha) * BI=alpha∗F+(1−alpha)∗B,而抠图任务就是找到合适的权重alpha。原创 2025-03-27 15:26:29 · 522 阅读 · 0 评论 -
提取图片高频信息
主要过程包括:平滑、梯度计算、二值化、边框处理,以及形态学操作。原创 2024-11-22 11:54:09 · 471 阅读 · 1 评论 -
mmsegmentation 训练自己的数据集
介绍基于MMSegmentation训练自己的数据集。原创 2023-04-16 15:58:45 · 2336 阅读 · 4 评论 -
语义分割中的常用Loss实战
1.nn.BCEWithLogitsLoss() 与nn.CrossEntropyLoss() 工程代码参考:https://github.com/milesial/Pytorch-UNet.git (1)nn.BCEWithLogitsLoss() 一般用于两个类别的分割,只有前景和背景。 (2)nn.CrossEntropyLoss() 一般用于多个类别的分割。 具体应用见代码和注释:import torchimport torch...原创 2021-01-19 17:49:58 · 2449 阅读 · 2 评论 -
Unet++ 实战
最近在做人体解析,即把人体的各个部位分割出来。博主用了Unet和Unet++作为baseline进行了对比, 发现Unet++的效果不错,在此分享给大家。原创 2021-01-18 18:18:14 · 10280 阅读 · 8 评论 -
如何将mask rcnn预测的mask(二值图)转化为标注信息(segmentation)
用训练好的mask rcnn模型对图片进行预测时,如何生成标签。即将mask rcnn预测的mask信息转化为标注需要的segmentaton信息。原创 2020-11-03 15:39:29 · 1484 阅读 · 4 评论 -
将mask的标注信息转化为二值图,mask iou计算
做实例分割时,经常会遇到mask的相关问题,本文着重介绍由segmentation生成mask的二值图以及两个mask的iou计算。原创 2020-11-03 15:13:49 · 6960 阅读 · 5 评论 -
Cascade Mask R-CNN实战——训练自己的数据集
Cascade Mask R-CNN是在Mask R-CNN基础上的改进版本,其精度要高于Mask R-CNN, 本文讲带你如何训练Cascade Mask R-CNN。原创 2020-06-11 18:37:21 · 5506 阅读 · 1 评论 -
SOLO实战——用自己的数据集训练实例分割模型
SOLO实例分割算法原理简单,并且分割精度达到mask R-CNN的水平,用了Matrix NMS(SOLOV2中的内容)后,其推理速度明显快于mask R-CNN,本文会带你一步一训练自己的数据集。solov2官方也开源了,同样适用。原创 2020-06-08 18:02:33 · 14149 阅读 · 86 评论