pytorch写FCN进行手提包的图像分割,有数据集
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:
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
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
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:
基于40万表格数据集TableBank,用MaskRCNN做表格检测
《深度学习入门:基于Python的理论与实现》高清中文PDF+源码
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
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》
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
【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
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
斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)
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