基于Pytorch的语义分割网络采用F.cross_entropy(y^,y\hat{\mathbf{y}}, \mathbf{y}y^​,y)对数据集进行训练。

数据对(x,y)(\mathbf{x}, \mathbf{y})(x,y),假定输入x\mathbf{x}x大小为[batchsize, channels, width, height],标签y\mathbf{y}y的大小为[batchsize,width,height]。

但是网络的预测输出y^\hat{\mathbf{y}}y^​采用One-hot编码,大小为[batchsize,classes,width,height]。

举个例子:

import torch
import numpy as np
y = torch.from_numpy(np.random.randint(2, size=(1, 3, 3))).long()
pre_y = torch.rand([1, 2, 3, 3])print("y:", y)
print("pre_y:",pre_y)


可视化语义分割的标签:

import matplotlib.pyplot as plt
plt.imshow(y[0])
plt.show()

要显示模型预测的输出:

sems = torch.softmax(pre_y, dim=1)
plt.imshow(sems.argmax(axis=1)[0])
plt.show()


以上
by windSeS

2022-08-16

[轻笔记]Pytorch语义分割输出转换为图像显示相关推荐

  1. HALCON 20.11:深度学习笔记(12)---语义分割

    HALCON 20.11:深度学习笔记(12)--- 语义分割 HALCON 20.11.0.0中,实现了深度学习方法. 本章解释了如何使用基于深度学习的语义分割,包括训练和推理阶段. 通过语义分割, ...

  2. enet分割_[论文笔记] 图像语义分割——ENet(ICLR 2017)

    [论文笔记] 图像语义分割--ENet(ICLR 2017) bluestyle • 2019 年 05 月 03 日 介绍 Motivation: 移动应用上的实时像素级语义分割是一个重要的问题,然 ...

  3. 【学习笔记】语义分割综述

    语义分割就是图像分割,是图像像素级的分类,即给图像的每一个像素点分类.与之临近的一个概念叫实例分割,实例分割就是语义分割+目标检测.语义分割只能分割出所有同类的像素,目标检测把不同的个体分开就行了,如 ...

  4. pytorch 语义分割loss_关于pytorch语义分割二分类问题的两种做法

    形式1:输出为单通道 分析 即网络的输出 output 为 [batch_size, 1, height, width] 形状.其中 batch_szie 为批量大小,1 表示输出一个通道,heigh ...

  5. Pytorch 语义分割DeepLabV3+ 训练自己的数据集

    照葫芦画瓢总结记录了一下DeepLab分割系列,并对Deeplab V3++实现 一.DeepLab系列理解 1.DeepLab V1 原文:Semantic image segmentation w ...

  6. 轻量化实时语义分割LiteSeg——从算法原理到模型训练与部署

    前言 1 . LiteSeg 是实时语义分割算法,论文参见 :DICTA 2019 LiteSeg: A Novel Lightweight ConvNet for Semantic Segmenta ...

  7. 【Deep Learning笔记】语义分割网络-Segnet的探索

    文章目录 1 简介 2 网络框架 3 Encoder 4 Pooling&Upsampling(decoder): 5 Batch Normlization 6 Loss Function 7 ...

  8. pytorch 语义分割loss_Recall Loss:用于不平衡图像分类和语义分割的召回损失

    本文针对不平衡图像分类和语义分割问题,提出了一种基于度量召回的新损失函数:Recall Loss,很好地平衡了精度和准确性,可显著提高不平衡图像分类和不平衡语义分割任务的性能. Recall Loss ...

  9. pytorch 语义分割loss_vedaseg:基于pytorch的开源语义分割工具库,更多模型支持,更易拓展...

    加入极市专业CV交流群,与6000+来自腾讯,华为,百度,北大,清华,中科院等名企名校视觉开发者互动交流!更有机会与李开复老师等大牛群内互动! 同时提供每月大咖直播分享.真实项目需求对接.干货资讯汇总 ...

最新文章

  1. Python3中PyMongo使用举例
  2. Android--Handler使用
  3. Jackson 序列化对象成 JSON 字符串,忽略部分字段(属性)
  4. diou diou_nms代码分享
  5. java怎么快速创建构造方法,详解系列文章
  6. 【系统平台】模拟器-通道-模型-图形配置
  7. v4l2 框架下如何设置分辨率_如何在端外投放的场景下实现前端实时CEP框架?
  8. All About Lily Chou-Chou
  9. Apache MiNa 实现多人聊天室
  10. Java的GUI学习八(键盘码查询器)
  11. 基于@Valid注解自定义参数校验
  12. iOS 防键盘遮挡
  13. HTTP 协议的演变历程
  14. RAM汇编指令DMB、DSB、ISB、SEV等
  15. ping一个地址回显无法访问目的主机,然后显示请求超时time out问题分析
  16. 分享百度短网址生成工具和接口 mr.baidu.com/xxxxx
  17. python matplotlib 绘制布林带
  18. Nokia手机工程命令
  19. c语言武汉市出租车收费标准 3公里以内,武汉的士/出租车起步价是多少?怎么算的?...
  20. 使用initial-letter实现首字下沉效果,感兴趣的同学欢迎猛击:

热门文章

  1. 配置Web DashBoard
  2. 基于EEG-EMG混合控制方法的研究—生物机器人应用:现状、挑战与未来方向(三)
  3. 2022年安装Windows7 x64 专业版系统更新提示错误代码80072EFE,解决办法【亲测有限】
  4. 乔布斯与Google鲜为人知的故事
  5. 鸿蒙第3批升级名单,鸿蒙系统首批升级名单详细介绍
  6. 给代币添加高级功能-代币管理、增发、兑换、冻结等
  7. 【观察】 通盘无妙手,看SmartX如何构建增长根基
  8. 塔望食业洞察|植物肉行业发展趋势 品牌竞争格局及未来发展
  9. 互联网巨头“死磕”不放弃的社交赛道还有生意吗?
  10. 用Pandas秒秒钟搞定24张Excel报表,还做了波投放分析!