deeplearning-image-segmentation
deeplearning-image-segmentation copied to clipboard
jayboxyz
:bread: 基于深度学习方法的图像分割（含语义分割、实例分割、全景分割）。
# ISPRS 数据集 《SCAttNet Semantic Segmentation Network with Spatial and Channel Attention Mechanism for High-Resolution Remote Sensing Images》  ## Potsdam 数据集： 《基于深度学习模型的遥感图像分割方法_许玥》：   ## Vaihingen数据集： 《基于多类特征深度学习的高分辨率遥感影像分类_刘威》硕士论文： 由于Vaihingen高分辨率遥感影像数据集只对原始正射影像中的16幅影像提供了对 应的地面真实类别标签，所以本文选择了...
代码参考： 1、 2、CRF对分割图像进行优化处理 https://blog.csdn.net/heavenpeien/article/details/79890993#commentsedit --- 1、fcn后，利用crf修饰分割所得的图像边缘：https://blog.csdn.net/jiachen0212/article/details/78474913 其实crf主要就是，根据原图image（5割通道的信息，包括RGB和坐标位置 x y）和 图像跑过fcn模型后所得到softmax（具有概率分布的），这两个数据进行再一次的像素点分类。 比如image的尺寸是 mxn，且这里是一个图像二分割问题（就比如最简单的目标和背景的分割），那么每个像素点就有两种可能的归宿－－－目标/背景（0/1）。所以，softmax的维度则是2xmxn。接下来，crf就是根据image提供的5通道信息，在rgb值和像素点的空间位置两个方向上对现有的softmax进行重新调整，重新分配像素点的0/1归属。 crf认为，空间位置上，距离很近的像素点该是分为同一类的，rgb上也是一样。所有会给予一些惩罚值和一些能量项。这个就得具体研究crf的资料了，李航老师的《统计学习方法》就讲的很详细了。 ———————————————— 版权声明：本文为CSDN博主「jiachen0212」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/jiachen0212/article/details/78474913
语义分割模型代码
先看个他人训练遥感图像数据的一些操作： [【天池直播间】图像语义分割在遥感影像中的应用_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili](https://www.bilibili.com/video/av67381794?from=search&seid=6027364093248810859) **创新点：**  **随机切割：**  **膨胀预测：**  --- # 一、图像切割 写在前面，先熟悉如下一些函数：https://www.cnblogs.com/lemonbit/p/6864179.html - x0 = random.randrange(0, w - crop_W + 1, 16) #randrange()方法返回指定递增基数集合中的一个随机数，基数默认值为1 - if np.random.randint(0, 2) ==...