写在前面： 一直没有整理的习惯，导致很多东西会有所遗忘，遗漏。借着这个机会，养成一个习惯。 对现有东西做一个整理、记录，对新事物去探索、分享。 因此博客主要内容为我做过的，所学的整理记录以及新的算法、网络框架的学习。基本上是深度学习、机器学习方面的东西。 第一篇首先是深度学习图像分割 ...

转自：https://blog.csdn.net/Formlsl/article/details/80373200 背景 Ｍask = Function(I)11. 什么是图像分割问题呢？ 简单的来讲就是给一张图像，检测是用框出框出物体，而图像分割分出一个物体的准确轮廓 ...

【Keras】基于SegNet和U-Net的遥感图像语义分割 2014 年，加州大学伯克利分校的 Long 等人提出全卷积网络（FCN），这使得卷积神经网络无需全连接层即可进行密集的像素预测，CNN 从而得到普及。使用这种方法可生成任意大小的图像分割图，且该方法比图像块分类法要快 ...

Unet网络 Unet是一种编码-解码结构相结合的神经网络结构，是一种语义分割网络。在医学图像分割的相关应用中被广泛使用。使用matlab可以快速实现网络结构的定义和训练。 数据集准备 准备待训练图像和相对应的标注图像，将图像和标注图像分别存放到不同的目录中，通过相同的文件名进行一一对应 ...

U-net网络主要思路是源于FCN，采用全卷积网络，对图像进行逐像素分类，能在图像分割领域达到不错的效果。 因其网络结构类似于U型，所以以此命名，可以由其架构清晰的看出，其构成是由左端的卷积压缩层，以及右端的转置卷积放大层组成； 左右两端之间还有联系，通过灰色箭头所指，右端在进行转置卷积 ...

铺垫 在图像分割领域，全卷积网络 FCN 是非常经典的网络，而 U-Net 在医学图像分割方面表现的更加突出； FCN vs U-Nnet 相同点：二者都采用了 encode 和 decode 的经典思路，也就是 AutoEncode 的思路； 这种思路起初被用于 图像压缩和去噪 ...

U-Net网络模型属于全卷积神经网络的一种，是一个有监督的端到端的图像分割网络，由弗莱堡大学Olaf在ISBI举办的细胞影像分割比赛中提出的[1]。其网络结构形式字母U，如图，命名为U-Net，网络主要由两部分，收缩路径（编码层）和扩展路径（解码层），前者主要用于提取图片的上下信息，后者用于对图片 ...

首先，我学习了一下google的CoLab的在线代码编辑功能，更新了以前的两个学习的项目： 1）CIFAR10与改进的VGG13 https://www.cnblogs.com/heze/p/12292536.html 2）CIFAR10与ResNet18 https ...