Deep learning 如何从概率图中获得实体分割？_Deep Learning_Caffe_Pycaffe_Matcaffe

Deep learning 如何从概率图中获得实体分割？

deep-learning

Deep learning 如何从概率图中获得实体分割？,deep-learning,caffe,pycaffe,matcaffe,Deep Learning,Caffe,Pycaffe,Matcaffe,我为我的数据训练了网络。一旦我运行了这个：看看概率图 plt.imshow(prob[1], cmap='hot', interpolation='nearest') plt.show() 这是对象1的概率图：如何从概率图中获得实体分割（即使考虑到属于该类的概率较低的点）谢谢有几种方法可以获得实体分割。一种是使用一种聚类算法来定义感兴趣的区域。也许一个简单的阈值截止值p阈值）再加上一个密度填充算法就可以满足您的需要。如果没有更多的数据细节、您的决策方法/阈值等，很难给出建议。此外，问“我

我为我的数据训练了网络。一旦我运行了这个：看看概率图

plt.imshow(prob[1], cmap='hot', interpolation='nearest')
plt.show()

这是

对象1

的概率图：

如何从概率图中获得实体分割（即使考虑到属于该类的概率较低的点）

谢谢

有几种方法可以获得实体分割。一种是使用一种聚类算法来定义感兴趣的区域。也许一个简单的阈值截止值

p阈值）

再加上一个密度填充算法就可以满足您的需要。

如果没有更多的数据细节、您的决策方法/阈值等，很难给出建议。此外，问“我如何完成这些标准任务”会使问题“过于宽泛”在两个方面：一个帖子中的问题太多，以及发布前缺乏研究。谢谢你的评论，我如何估计阈值？谢谢