代码之家 › 专栏 › 技术社区 › Christopher Brown

将二维模型跨过图像以生成标签图像(不是卷积)

neural-network machine-learning tensorflow python

-2

Christopher Brown · 技术社区 · 6 年前

我有一个从RGB图像样本中训练出来的模型,它以一个31x31像素的区域作为输入,并为中心像素生成一个单独的分类。

我想在整个图像上应用这个模型,以便为每个像素有效地恢复分类的新图像。因为这不是一个卷积,我不确定在张量流中,最好的方法是什么。

我知道这是可能的,通过将图像分解成一吨更小的张量进行推断,但这似乎是一个巨大的浪费,因为每个像素将被复制961次。有办法吗?

1 回复 | 直到 6 年前

Vijay Mariappan 6 年前

让你的模特成为a fully-convolutional 神经网络,所以 31x31 它将产生一个 single label 为了一个 62x62 它将产生的形象 2x2 标签等等。这将消除您在使用窗口方法时提到的冗余计算。

如果网络有一个完全连接的层,则可以使用 1x1 内核

推荐文章

rob me of my freedom · 在不使用Y_pred和Y_actual的tensorflow中编写自定义损失

2 年前

fateme · MATLAB,神经网络

2 年前

Chris · ROC公制in train(),插入符号包

6 年前

Christopher Brown · 将二维模型跨过图像以生成标签图像(不是卷积)

6 年前

user9851027 · 强化学习、深度学习和深度强化学习之间有什么区别?

6 年前

sanity_overflow · 在机器学习的多类分类中,“一对一”和“一对一”策略有什么区别?

6 年前

Mitch · XOR神经网络收敛到0.5

6 年前

Mauro Gentile · 在Keras中使用earlystoping回调时,如何获得最佳模型?

6 年前

Funzo · 如何计算一个矩阵中所有行相对于另一个矩阵中所有行的余弦_相似性

6 年前

Helen · Keras解释:输入层中的节点数

6 年前