我正在尝试实现一个自定义的数据集加载器。首先，我以(0.98，1,1)之间相同的比例调整图像和标签的大小，然后随机裁剪具有相同参数的图像和标签，以便将它们输入神经网络。但是，我从PyTorch functional中得到了一个错误。
浏览 32提问于2020-09-29得票数 1
回答已采纳
我正在考虑使用陆地卫星图像来训练CNN，以便进行无监督的像素语义分割分类。也就是说，我一直无法找到一种方法，允许我从较大的陆地卫星图像中裁剪图像进行训练，然后对原始图像进行预测。本质上，这是我想要做的：
原始陆地卫星图像(5,000 x 5,000 -这是一个任意大小，不能很好地确定实际尺寸) ->将图像裁剪成(100 X 100)块->在这些裁剪图像上训练模型->为原始(未裁剪也就是说，我不确定我是否应该预测裁剪后的图像，并在预测后将它们缝合在一起，
浏览 1提问于2020-03-06得票数 2
当我完成语义分割的训练任务(pytorch 0.4.1 GPU CUDA9.0)，并成功推断模型( pytorch 0.4.1)时，当我将pytorch版本切换到1.1.0时，我得到的结果略有不同。
浏览 61提问于2020-05-25得票数 0
谁能提供一个玩具示例，演示如何在pytorch中计算用于语义分割的IoU (交集对并集)？
浏览 0提问于2018-01-15得票数 4
回答已采纳
1回答
多类语义分割模型评价
、、、、
我正在做一个关于多类语义分割的项目。我已经制定了一个模型，输出相当下降分割图像通过减少损失值。但是，我不能用度量来评估模型的性能，例如meanIoU或Dice系数。在二值语义分割的情况下，只需将阈值设置为0.5，将输出作为目标或背景进行分类，但对于多类语义分割则不起作用。请告诉我如何获得上述指标的模型性能好吗？任何帮助都将不胜感激！顺便说一下，我使用的是PyTorch框架和CamVid数据集。
浏览 14提问于2020-06-19得票数 3
1回答
我已经重写了Pytorch的网络，因为我想公开一些在Tensorflow中不那么容易的功能。
我的模型总是预测一个空面具，所以我试图使模型适应一个图像。
浏览 2提问于2020-01-16得票数 1
我想在一个非常大的卫星图像上执行推断(即语义分割)，而不是将其分割成碎片。我可以访问4个GPU(每个都有15 GB的内存)，我想知道是否有可能以某种方式使用这些GPU的所有内存组合(即60 GB)来推断PyTorch中的图像
浏览 4提问于2020-09-16得票数 3
1回答
我使用语义分割来对下面所示图像中的不同元素进行颜色编码。
在Python中，我想根据第二个图像的颜色将原始图像裁剪成许多小图像，这样沙发就变成了一个裁剪的部分，灯变成了one.etc。假设我有一个图像的3D数组，我想将这个数组分割成单独的彩色部分，并在裁剪原始图像时应用这些元素的坐标。我该如何做到这一点？
浏览 7提问于2021-07-28得票数 1
回答已采纳
我正在学习Pytorch，并试图理解这个库是如何进行语义分割的。到目前为止，我所理解的是，我们可以在pytorch中使用预先训练好的模型。在Pytorch中如何在不使用OOP或如此多的.py文件使代码复杂化的情况下实现这一点。我很难在github中弄清楚这样的repos，因为当涉及到OOP时，我不是最熟练的人。我需要运行一段代码来进行语义分割，我真的对需要采取的许多步骤感到困惑。
浏览 27提问于2019-12-13得票数 0
1回答
语义分割中的上采样
、、、、
我正在尝试实现一篇关于语义分割的论文，我对如何更新由我的分割网络生成的预测图以匹配输入图像大小感到困惑。我希望你能给我指点。提前谢谢。
浏览 2提问于2017-11-05得票数 3
回答已采纳
当我使用u-net进行两个类别的语义分割时，我在模型最后一层的输出分别设置为1个通道和2个通道。然后使用交叉熵损失来度量: BCEloss和CrossEntropyLoss。但两者之间的差距很大。我用了pytorch。
浏览 26提问于2020-04-09得票数 0
回答已采纳
我试着做图像分割，我了解了谷歌的工作，DeepLabv3。陈，L.C.，Papandreou，G.，Schroff，F.和Adam，H.，2017。语义图像分割的四向卷积的再思考。arXiv预印版arXiv:1706.05587。
该体系结构用于对Pascal 2012数据集(20个前台和1个背景类)的20+1类进行分段。Pytorch在Pascal数据集上提供了预先培训过的deeplabv3，我想在城市景观上训练同样的架构。因此，Pascal VOC数据集有不同的类。我想知道怎样才是最有效的方法？就
浏览 4提问于2020-09-14得票数 1
1回答
如何在训练过程中实施随机种植？
、、、、
我正在开发一种U型网络模型，在多发性硬化症患者的两个时点之间分割受损的脑组织。该模型给出基线图像和后续图像为x，分割掩码为y，图像为3D (192,218,192)，模型输入大小为(128,128,128)，并通过骰子丢失进行训练。我目前正在做的是训练前的每一张图像的中心裁剪，训练骰子分数似乎是正确的学习，但在验证数据中却不是。def random_crop(img_bl, img_fu,
浏览 0提问于2021-05-11得票数 0
回答已采纳
2回答
随机裁剪数据增强卷积神经网络
、、、、
为了增强，我阅读了许多技术，其中一项在论文中经常提到的是随机裁剪。现在我正在尝试实现它，我已经搜索了很多关于这项技术的信息，但是找不到一个合适的解释。所以有几个问题：
随机裁剪实际上是如何帮助数据增强的？python中有没有隐式实现随机裁剪的库(例如OpenCV，PIL，scikit-image，scipy)？如果没有，我应该如何实现它？
浏览 0提问于2016-01-03得票数 8
回答已采纳
1回答
差分隐私显着降低了模型性能
、、、、
它是PyTorch实现的。我使用一个训练集来训练，使用验证集来保存性能最好的模型，然后使用一个测试集来衡量模型的“真实”性能。
浏览 0提问于2020-06-07得票数 2
6回答
我正在使用torch和一些语义分割算法来产生分割图像的二进制掩模。然后，我想裁剪基于该蒙版的图像。为了清楚，我需要在每个像素的基础上裁剪它。
浏览 2提问于2016-11-27得票数 6
1回答
对于大小不同的图像重新定标的普遍共识是什么？我读过这样的一种方法，就是将图像的最大尺寸缩小到一个固定的大小。对我来说还不清楚，仅仅重标度一个维度会导致整个数据集的统一图像形状。在重新标度时，采用哪一种插值方法是否重要？是否列出了人们使用过的方法以及他们在不同场景中的表现。
浏览 5提问于2016-06-14得票数 0
回答已采纳
1回答
我想在tensorflow 2.1中使用coco数据集来训练ssd(单发多盒探测器)网络
论文说他们使用图像裁剪来增强健壮性，所以我尝试使用tf.image.sample_distorted_bounding_box如何裁剪保留了适当bboxes和标签的图像？适当意味着bbox坐标随着图像的变化而细化，并从裁剪后的图像中删除bbox。
浏览 69提问于2020-02-06得票数 0
1回答
卷积神经网络通常是图像分类和语义分割的最佳选择。分类/数字数据(年龄、身高、城市等)另一方面，传统的机器学习模型，如(深度)随机森林模型、支持向量机模型或传统神经网络模型处理效果最好。我确信这个问题以前已经解决过，我特别希望在一个公共库(PyTorch、Tensorflow、Keras等)中寻找研究论文、教程和实现。
浏览 0提问于2018-06-12得票数 1
1回答
我是Pytorch的新手。我的问题是:如何将迁移学习应用于自定义数据集？我正在做脑瘤的图像分割。我可以找到使用U-net结构的示例，但我找不到使用U-net图像分割的预训练模型的权重的示例？
浏览 1提问于2020-07-18得票数 0
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
