Fatal编程技术网
  • neural-network/
  • Neural network 用UNet抑制分割中的热图非最大值

Neural network 用UNet抑制分割中的热图非最大值

neural-network computer-vision

Neural network 用UNet抑制分割中的热图非最大值,neural-network,computer-vision,image-segmentation,unity3d-unet,semantic-segmentation,Neural Network,Computer Vision,Image Segmentation,Unity3d Unet,Semantic Segmentation,我正在使用U-Net进行图像分割 该模型使用最多可包含4个不同类的图像进行训练。火车班从不重叠 UNet的输出是这4个类中每个类的热图（浮点值介于0和1之间） 现在，我有两个问题： 对于某一类，如何仅针对热图具有重要值的点在原始图像中分割（绘制轮廓）？（在下图中，一个示例：中间的值是有效的，而左边的值不是有效的。如果我在没有任何附加操作的情况下绘制整个图像的分段，则两者都会被考虑。） 在第一个点的下游，如何避免在原始图像中绘制两个叠加类的轮廓？（可能只绘制对应热图中具有较高值的热图） 获

我正在使用U-Net进行图像分割

该模型使用最多可包含4个不同类的图像进行训练。火车班从不重叠

UNet的输出是这4个类中每个类的热图（浮点值介于0和1之间）

现在，我有两个问题：

  • 对于某一类，如何仅针对热图具有重要值的点在原始图像中分割（绘制轮廓）？（在下图中，一个示例：中间的值是有效的，而左边的值不是有效的。如果我在没有任何附加操作的情况下绘制整个图像的分段，则两者都会被考虑。）

  • 在第一个点的下游，如何避免在原始图像中绘制两个叠加类的轮廓？（可能只绘制对应热图中具有较高值的热图）
获取神经网络输出的不确定度测量值仍然是一个有待解决的问题。通常的启发式方法是在输出上固定一个阈值。为了避免重叠类，如您所述，仅考虑具有最高值的类，有时使用条件随机场来强制相邻像素之间的标签一致性。@JoOkuma您能更好地解释一下您所说的意思吗有时使用条件随机场来强制相邻像素之间的标签协议“？这些文章中介绍了这些想法。获得神经网络输出的不确定度测量值仍然是一个悬而未决的问题。通常的启发式方法是在输出上固定一个阈值。为了避免重叠类，如您所述，仅考虑具有最高值的类，有时使用条件随机场来强制相邻像素之间的标签一致性。@JoOkuma您能更好地解释一下您所说的意思吗“有时使用条件随机场强制相邻像素之间的标签协议”？这些想法在这些文章中介绍