开山-语义分割初探(配图侵删)

本文探讨了在语义分割模型构建中遇到的问题,特别是在使用FCN时,添加softmax激活层导致精度降低。通过调整激活层的位置,解决了精度计算错误的问题。此外,介绍了Kitti-Seg项目的配置环境、准备步骤、demo.py和evaluate.py的功能,并分享了解决训练过程中的错误和问题。

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

请添加图片描述
请关注我的微信公众号,谢谢啦
语义分割模型构建过程中,在最后的全卷积层之后又加了一个激活层(激活函数用的是softmax),结果导致精度一直在零点零几徘徊,只要去掉激活层(或者把激活函数改成relu),模型就正常了,
可能原因是 计算精度用的output变量得是最后全卷积层得到的值,但是我在output后面又加了一个激活函数,导致output的值不对
了,因此导致计算精度和loss函数都有问题 如果把激活函数放到前面去 其实精度就会变好

output = tf.keras.layers.Conv2D(class_num, (1, 1),padding=‘same’,activation=“softmax”)(model_output)
# output = tf.keras.layers.Activation(“softmax”,name=“output”)(output)
在这里插入图片描述

Kitti-Seg程序理解

人家的代码地址:https://github.com/MarvinTeichmann/KittiSeg

我的配置环境:

python3.6(anaconda主环境)
tensorflow-gpu1.13.1

如果想安装tensorflow与opencv在同一个环境,最好用conda install tensorflow-gpu opencv,否则这两个家伙会打架的。

评论 2
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

鹤城北斗

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