语义分割及其unet网络
学习博客：
语义分割前言_哔哩哔哩_bilibili
分割程度依次递增。
-
什么是语义分割？
图像语义分割的前世今生 - Ariel_一只猫的旅行 - 博客园
PASCAL VOC2012数据集介绍_霹雳吧啦Wz-CSDN博客_voc2012数据集
-
src/unet.y
DoubleConv() 成对：
in_channels 输入
输出
不去改变特征层大小 padding=1
使用边：bias=False
down() 下采样及其两个卷积层：
up():上采样及其connect拼接 及其后面两个卷积层
bilinear:双线性插值
in_channal：connect之后的
scale_factor:双线性采样率为2
或者是不采用双线性： else:
forward()：正向传播的过程
padding：16的倍数
outConv():输出
UNET整体搭建：unet（）
init():
图片通道个数in_channels ： 彩色3、灰度1、（当前为3）
num_classes：分 个数（包括背景）
bilinear ：是否要采用双线性插值替代转置卷积
base_c：第一个卷积核采用的个数 ， 当前=32
down4是独特的，
正向传播过程forward
以字典形式返回
mask: 255白——0黑
mannual:人手工分割
自定义数据集载入数据mydataset.py
DriveDataset()继承来自于torch.util.data的Dataset类
重写以下三个类
init():
root:指向DRIVE的根目录，trian：true的话载入training下的目录，transforms:针对数据的预处理方式。
getitem():
将图片改为RGB图片。
manual改为灰度图片
len():
FCN源码里面