pytorch写FCN进行手提包的图像分割,有数据集

机器学习AI算法工程

共 2761字,需浏览 6分钟

 ·

2021-05-20 10:34


向AI转型的程序员都关注了这个号👇👇👇

人工智能大数据与深度学习  公众号:datayx


一,手提包数据集

数据集下载:用pytorch写FCN进行手提包的语义分割。


training 


https://github.com/yunlongdong/FCN-pytorch-easiest/tree/master/last


放到bag_data文件夹下



ground-truth label


https://github.com/yunlongdong/FCN-pytorch-easiest/tree/master/last_msk


放到bag_data_mask文件夹下


项目目录结构:



训练数据:



训练label:


从这个手提包数据集可以看出,这是个二分类的,就是只分割出手提包 和 背景 两个类别。所以label处黑色的表示手提包,白色的就是无关的背景。

 

二,训练代码(用来读取数据集,包括手提包图片和手提包图片的label)



    代码 获取方式:

    分享本文到朋友圈

    关注微信公众号 datayx  然后回复 手提包 即可获取。

    AI项目体验地址 https://loveai.tech


    店铺地址:

    https://shop585613237.taobao.com




2.1:数据集读取的代码




贴了数据集读取的代码后,我觉得有必要说一下onehot这个函数

1.就是数据集label的onehot化:

onehot化是把label化成一个一维向量。

onehot化的函数如下:


输入的data为以灰度图形式读取的label,n为分割的类别数(此数据集是2)


buf = np.zeros(data.shape + (n, ))


#设data的shape为(a,b),则构造一个全0矩阵,维度为(a,b,n)

因为n是2,所以意思就是,2层的(a,b)的全0矩阵,一层用来表示手提包的,剩下一层则是用来表示背景的。


nmsk = np.arange(data.size)*n + data.ravel()


这行则比较妙一点,首先设data的size为5,则arange(5)为,(0,1,2,3,4),其实就是表示data各个元素的位置。arange(5)*2为(0,2,4,6,8),其实这是变相表示原来长度x2的位置。而data因为是label,且归一化过的,所以data里的值要么是0要么是1,data.ravel()是把data展成一维数组,arange(5)*2+data.ravel()意思是在(0,2,4,6,8)中,表示手提包的则+1,表示背景的则+0。这里打个比方,例如第三个和第五个位置是表示手提包的,则是(0,2,5,6,9),到这里可能还看不出什么,结合下一句代码就明白了。


buf.ravel()[nmsk-1] = 1


用回刚刚的例子(0,2,5,6,9),nmsk-1后,是(9,1,4,5,8),与初始的(0,2,4,6,8)对比,若原来是1的位置会保持原样(因为+1后又-1了),而原本是0的,表示其位置就会-1。这样的结果就是把(a,b)的label投射到(a,b)*2的长度中。这样做的原因数据集是2分类的,所以网络输出肯定是(a,b,2)这样的,所以label必须要和网络输出维度形式一样才能比较,得出损失函数。


 


2.2,模型代码




三,效果展示

使用visdom可视化,运行了20个epoch后的可视化如下图:





机器学习算法AI大数据技术

 搜索公众号添加: datanlp

长按图片,识别二维码




阅读过本文的人还看了以下文章:


TensorFlow 2.0深度学习案例实战


基于40万表格数据集TableBank,用MaskRCNN做表格检测


《基于深度学习的自然语言处理》中/英PDF


Deep Learning 中文版初版-周志华团队


【全套视频课】最全的目标检测算法系列讲解,通俗易懂!


《美团机器学习实践》_美团算法团队.pdf


《深度学习入门:基于Python的理论与实现》高清中文PDF+源码


特征提取与图像处理(第二版).pdf


python就业班学习视频,从入门到实战项目


2019最新《PyTorch自然语言处理》英、中文版PDF+源码


《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码


《深度学习之pytorch》pdf+附书源码


PyTorch深度学习快速实战入门《pytorch-handbook》


【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》


《Python数据分析与挖掘实战》PDF+完整源码


汽车行业完整知识图谱项目实战视频(全23课)


李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材


笔记、代码清晰易懂!李航《统计学习方法》最新资源全套!


《神经网络与深度学习》最新2018版中英PDF+源码


将机器学习模型部署为REST API


FashionAI服装属性标签图像识别Top1-5方案分享


重要开源!CNN-RNN-CTC 实现手写汉字识别


yolo3 检测出图像中的不规则汉字


同样是机器学习算法工程师,你的面试为什么过不了?


前海征信大数据算法:风险概率预测


【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类


VGG16迁移学习,实现医学图像识别分类工程项目


特征工程(一)


特征工程(二) :文本数据的展开、过滤和分块


特征工程(三):特征缩放,从词袋到 TF-IDF


特征工程(四): 类别特征


特征工程(五): PCA 降维


特征工程(六): 非线性特征提取和模型堆叠


特征工程(七):图像特征提取和深度学习


如何利用全新的决策树集成级联结构gcForest做特征工程并打分?


Machine Learning Yearning 中文翻译稿


蚂蚁金服2018秋招-算法工程师(共四面)通过


全球AI挑战-场景分类的比赛源码(多模型融合)


斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)


python+flask搭建CNN在线识别手写中文网站


中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程



不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加: datayx  

浏览 58
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报