1回答
我对深度学习和语义分割是个新手。 我有一个Dicom格式的医学图像(CT)数据集，其中我需要从图像中分割肿瘤和涉及的器官。我已经标记了我们的医生绘制的器官轮廓，我们称之为RT结构，也以Dicom格式存储。 据我所知，人们通常使用“面具”。这是否意味着我需要将rt结构中的所有轮廓结构转换为mask？或者我可以直接使用RT结构(.dcm)中的信息作为我的输入？ 谢谢你的帮助。
浏览 13提问于2021-01-02得票数 1
回答已采纳
2回答
我正在尝试使用伯克利深度驱动数据集进行自动驾驶汽车图像分割的代码，我训练了模型，并在其上测试了图像，得到了张量格式(分割图像)的输出，但我需要图像格式的输出，我尝试了Image.fromarray函数，得到了以下输出：实际图片如下图所示：我使用的模型来自这个。
浏览 23提问于2021-05-19得票数 0
我使用的是U-Net架构。分割掩码的视觉区域很小，学习后会产生大量的假阳性。我正在考虑改变内核大小3乘3到5乘5。在创建模型时我应该采取什么预防措施/注意事项？我得到了维度不匹配的问题，如果只是改变3乘3到5乘5的内核大小。
浏览 0提问于2020-09-19得票数 0
1回答
我基本上有一个图像分割问题，图像的数据集和为每个图像创建的多个蒙版，其中每个蒙版对应于图像中的一个单独的对象。所有对象的类型都相同，但对象的数量可能不同。我正在尝试用这些数据训练一个U-Net。我可以简单地将所有单独的掩码组合起来，形成一个新的掩码，并将其作为输出输入到网络中，但我觉得与“单独识别对象”相关的有用信息可能会在组合掩码的</
浏览 8提问于2018-02-18得票数 4
1回答
我试着训练一个U型网络模型来分割德国沥青路面破损数据集。0=空，1=完整道路，2=应用修补，3=坑洞，4=镶嵌修补，5=开放连接，6=裂纹7=街道库存我修改了笔记本，以适应我的空白分割问题，这是一个链接到我的修改笔记本：
训练是跑的，但损失在减少，但准确性从来没有提高到0.05以上。我已经被这个问题困扰了好几天了，我需要关于如何让模型
浏览 3提问于2022-06-01得票数 0
回答已采纳
2回答
我在Keras中使用CNN (U-Net)分割8位图像以获得二进制掩码。尽管达到了0.9999的精度，我仍然得到了一些介于0和255之间的值，但我希望完全删除这些值，使其只有0或255。到目前为止，我一直在使用二进制交叉熵损失函数，与最后一个卷积层的sigmoid激活函数相结合。有没有人能告诉我是否有其他的损失函数可以解决这个问题。
浏览 8提问于2018-04-03得票数 1
我即将开始一个使用灰度掩码进行语义分割的项目。问题是，我们必须检测图像的每个像素，如果它是一个对象或背景(二进制类问题)。我很难将这个像素二进制分类任务与掩码标签联系起来，因为每个像素都在一个范围内的0,255。我已经根据这方法开始用Keras实现了一个U-net (在keras中是相当新的)。你会用什么样的标签？因此，如果我以像素的</e
浏览 0提问于2019-11-13得票数 2
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
我尝试过很少的动物园模型faster_rcnn_resnet50_coco，，但没有达到预期的产量。我正在考虑下面的选项Mask ，但我不知道该使用哪个选项，也不确定我的图片贴上了正确的标签给下面的输出。
我的标签更侧重于在图像的各个部分检测疾病，而不是将整个图像归类为疾病。
浏览 4提问于2020-04-05得票数 1
回答已采纳
1回答
基于U网的图像分割
、、、、
我想弄清楚用U-NET进行语义分割是否有效.我们是在训练内核来提取特征，还是在最后训练一个完全连接的层？还是两者都有？因为基于这个图像：
我不认为在最后需要一个完全连接的层。如果我们只是训练我们的内核，U-net将只做图像分割。我找不到“如何训练用于图像分割的unet模型”的资源，所以我想在这里问一问。提前感谢
浏览 6提问于2022-01-18得票数 -1
1回答
无需分割即可识别图像中的多个符号
、、、、
我想要识别图片中的一些符号，但是背景使得使用图像处理来分割它们是不可能的(或者至少是非常困难的)。我有几十万个有标签的样本。图像中的符号数量是固定的。我试图为图像中的每个符号创建一个密集的层，并在整个图像上进行训练，但是这产生了非常令人失望的准确性。我还能尝试什么呢？
浏览 13提问于2020-05-24得票数 0
1回答
我试图建立一个图像分割模型，在imagenet数据集上预先训练过的Keras移动网络模型。无论如何，为了进一步训练这个模型，我想在现有的模型中增加U-net层，并且只训练u-net体系结构的层，并以移动网模型帮助作为骨干。问题:移动网模型的最后一层是维度(7x7x1024)，这是一个RelU层，我希望将其重新构造为(256x256x3)，这可以被U-net输入层理解。
浏览 5提问于2019-12-03得票数 1
回答已采纳
2回答
UNET架构就像是前半部分的编码器和后半部分的解码器。在简单的自动编码器中，我们不使用Transpose2D Conv。上采样是如何发生的，如果我们在自动编码器中使用Transpose2D，它与UNET有什么不同？
浏览 57提问于2021-02-03得票数 0
1回答
我正在训练一个U-Net架构来完成分割任务。这是使用Keras在Python中实现的。我现在遇到了一个问题，我正在努力理解：我知道有一些方法可以可
浏览 1提问于2020-06-25得票数 0
1回答
我在大学里开始了一项研究，主题是使用人工智能来计算视网膜的一个区域。我们规定的第一部分是使用u-net分割视网膜的两个重要部分。第二种方法是利用分割结果找出关键点并进行计算。因此，在下图中，我使用u-net显示了分割每个区域的输出(红色注释不是分割的一部分)。我试着在第一个和第二个块中表示我想要查找的区域。一旦这样做了，我就可以在合并它们时计算这些点之间的距离。所
浏览 18提问于2021-10-26得票数 0
1回答
更具体地说，我想做注释，用于语义分割，这意味着我想要创建掩码。我希望能够创建用于应用CNN分段(例如U-net)的培训数据。我不希望有很多类，但我可能希望能够注释两个以上的类(某样东西，背景)。当然，每个像素都必须属于一个类。所以我要找的是一个相对简单的工具，它要么让你用画笔标记类的区域，要么让一个标记多边形，然后填充，然后外部多边形作为背景。有人能指
浏览 0提问于2020-10-10得票数 4
1回答
分割中的苍蝇增强算法
、、、
嗨，我正在尝试用U-net做二维前列腺分割。我想将数据增强应用于前列腺和标签图像(X，y)，为此，我目前正在使用Torch.io，它将同样的随机变换应用于标签和数据本身。我的问题是，我不能将所有的增强数据加载到RAM中，因此我想要进行动态增强。我怎样才能直接将转换后的数据传送到我的u-net网络？谢谢。
浏览 3提问于2022-03-22得票数 0
1回答
我是计算机视觉的新手，正在尝试训练一个模型，该模型采用正常的3通道图像(RGB)并给出输出，这只是一个简单的二进制掩模。据我所知，名为Unet的架构是这样做的。在这种模型架构中，我认为的输入和输出是正确的吗？ 我有3通道图像(RGB)和二进制蒙版图像(大小与3通道图像相同，所有值都是1或0)。感谢你在前文中的帮助。
浏览 106提问于2019-09-22得票数 1
1回答
确定哪种深度学习模型体系结构更好
、、、、
我正在解决一个特定的分割任务，使用两个版本的U-net架构--第一个是经典的U-net，另一个是注意U-net。目前，我正试图确定哪一个更适合我的特定用例。我遇到的问题是，由于模型学习的随机性，同一体系结构的两个结果都不一样。例如，假设我训练了两个模型(一个接一个，使用相同的体系结构，比如U-net)，而对于所选的测试数据，第一个模型的<
浏览 0提问于2021-11-02得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
