文化馆网站建设意义,开发网站的可行性,seo推广专员招聘,wordpress 安装第二步知识提要
数据集使用VOC2012 CNN 卷积神经网络Convolutional Neural Network GPU图像处理单元Graphic Processing Unit)图形处理器 convolution 卷积 ReLU全名Rectified Linear Unit#xff0c;意思是修正线性单元 bn全称Batch Normalization批标准化 FC全连接神经网络是一种…知识提要
数据集使用VOC2012 CNN 卷积神经网络Convolutional Neural Network GPU图像处理单元Graphic Processing Unit)图形处理器 convolution 卷积 ReLU全名Rectified Linear Unit意思是修正线性单元 bn全称Batch Normalization批标准化 FC全连接神经网络是一种最基本的神经网络结构英文为Full Connection
语义分割和实例分割
语义分割就是把人和动物分开实例分割就是在此基础上把人也区分开
损失函数 预测概率为95%说明挺好了权值要设的比较低比较简单 若概率为0.5比较难权值比较高平方以后权值差异较大
iou计算 绿框的数值和黄框的数值加起来-801
Miou计算
IOU计算结果为左图交集的结果除以右图并集的结果 MIOU即求计算所有类别的平均值
卷积神经网络CNN
传统网络一共特征值卷积网络三维
卷积的作用 图像颜色通道 将三个通道的结果叠加在一起 在已有卷积的基础上继续做卷积
卷积层的重要参数
步长 卷积核尺寸
一般取3X3
边缘填充
pad1 在边界上加上一圈0可以让边界上的数字利用率变高且不会对最终数据产生影响
卷积核个数
卷积结果计算 卷积参数共享
每个区域用相同的核处理
池化的作用
压缩作用
整体网络架构
两次卷积一次池化 只有带参数计算的才能算一层神经网络 下图为7层
感受野的作用 Unet网络 Unet版本 实例
预处理
此算法将一张图片中每个细胞都单独拎出来作为一个标签预处理就是将众多的标签进行合并 开始讲解视频 https://www.bilibili.com/video/BV1zb411R7vU/?p21spm_id_frompageDrivervd_sourcef991aae54cfa30efc5899b3ae41bbbed第21集开始 debug视频第23集特征融合方法演示
train文件数据增强
使用 Albumentations 库进行数据加强 操作步骤
dataset文件
第一部通过opencv将图片读入
archs文件
查看train函数流程 在forward函数前面打断点是入口地址
val文件画图
保存原始数据分割数据标签数据
文件运行的参数即模型的名字在哪个文件夹中 其实和训练的流程一样 model.eval()模式即验证模式参数不发生更新
文件保存内容解读
E:\大学文件\Unet没跑过\unet\models\dsb2018_96_NestedUNet_woDS\model.pth保留 模型文件 log文件记录 lr 学习率
数据集存放位置
E:\大学文件\Unet成功\unet\inputs\dsb2018_96\images 存放原始图片 E:\大学文件\Unet成功\unet\inputs\dsb2018_96\masks 存放标签图片
