Python 3.x 什么类型的CNN适合水下图像处理？

主要目标（我指定的工作）是使用卷积神经网络对水下图像进行图像分割。由于严重的噪声和不良的光照，从水下结构物拍摄的相机照片的图像质量较差。为了获得更高的分类精度，我想对图像进行自动图像增强（见附件）。所以，我想知道，哪种CNN架构最适合完成这两项任务。请提出实现目标的任何可能解决方案

---

您需要细分什么？我很乐意看到一些分割的标签

您可能不需要增强图像，如果您的所有数据集都有相同数量的噪声，则网络将正常泛化

关于CNNs体系结构，这取决于您对处理能力和准确性的限制。如果这不是一个约束条件，那么检查回购协议是否是一个良好的起点，一些结果如下： 请注意，这是一个有点复杂的体系结构，因此推断时间可能有点太长（但这是可行的实时取决于您的gpu）

其他简单的架构是FCN（完全卷积网络），基本上是您的CNN，而不是完全连接的层：

将替换为完全卷积层：

拍摄的图像

这种FCN的优点是，它们非常容易实现和修改，因为您可以使用简单的体系结构（FCN-Alexnet），使用更复杂和更精确的体系结构（FCN-VGG、FCN-Resnet）

另外，我认为您没有提到框架，有很多可供选择，这取决于您对语言的熟悉程度，其中大多数可以使用python来完成：

• 张量流
• 皮托克
• MXNet

---

但如果您是初学者，请尝试从基于GUI的开始，这是一个很好的起点，而且非常容易配置，它基于Caffe，因此在部署时速度相当快，可以轻松地与TensorRT等加速器集成。

感谢@bpinaya的详细回复。我的项目是使用CNN自动检测船体（船体主体）的故障。我想分割图像中的故障区域，如断裂结构和裂缝。我们可以假设大多数图片都有相同数量的噪音。我是神经网络的初学者。我的基本知识是神经网络和cnn是如何工作的。我有一些python方面的经验。到目前为止，我能够通过根据需要编辑已经编写好的代码来构建用于分类和回归的神经网络。所以我不是一个编程人员，来自核心工程领域，负责自动化工作。我可以从你的回复中得到一个基本的想法，但不能理解全部的意思，因为我是初学者。但我将以此为线索，尝试从提示中学习。如果你需要从头开始，我建议你先学习CNN课程，因为这将帮助你理解你正在编写的代码，最好的可能是这个，但它是付费的，但它是值得的。如果您有一个艰难的最后期限，请尝试Nvidia Digits（我发布的链接），安装它并微调已经培训过的网络。非常感谢您的宝贵建议。既然我有足够的时间，我将从你提到的教程开始。