weixin_41803339的博客

1、Pytorch原来常用keras搭建网络模型，后来发现keras的训练模型速度和测试速度都较慢，因此转向使用pytorch，其实两者使用难度差不多，都是高层的深度学习框架，适合研究深度学习。2、U_Net网络介绍U_Net网络已经提出很早，常被用在图像语义分割领域。模型的主要结构如下图所示，包括下采样和上采样两个过程。为了保证上采样得到的特征图具有较强的语义信息、提高分割的精准度。...

1、Labelme Labelme是深度学习（语义分割、实例分割）需要用到的图像标注软件。在标注好目标后会生成json文件，json文件中包含了标注的坐标点信息，类别信息，原始图像信息。2、背景 通常在语义分割或者实例分割中GT（真实掩码）是一个多值（多=class_num+1）数组，实际上json文件清晰友好，但很多网络教程中的解析json文件都过于繁琐，个人觉得...

1、背景鉴于莫有人看俄的博客.....，俄决定放一个小项目。同时放一个吸引眼球的封面。cover2、U_Net完整版网上发布的U_Net版本多是针对灰度图，彩色的rgb图像包含颜色信息，因此本项目以信息量更大的彩色图作为网络的输入，做一个3类(包含背景)目标图像的分割。首先来看看项目文件结构：1、dataprocess.py ---->>定义数据读入，可在...

1、背景U_Net自提出之后就被各种操作，原因是结构简单，易改造，因此我受到Mobilenet的启发，也决定来改改玩。在提出的结构中将原来的通用卷积替换为深度可分离卷积，同时在分离卷积中又使用了扩张卷积，同时也利用了残差结构。2、结构优势2.1 深度可分离卷积：将空间特征和通道特征分开提取，极大的减少了运算的参数量。2.2 扩张卷积：可以获得不同的感受野信息，对语义分割十分有利。...