利用DeepLab在Tensorflow中进行语义图像分割

更新于 2018年3月23日 机器学习
我来说两句
wx:   网页版 2018-03-23 06:38
深度学习 视觉 算法 自然语言处理 代码 神经网络
「利用DeepLab在Tensorflow中进行语义图像分割」语义图像分割,也就是将“道路”、“天空”、“人”和“狗”等语义标签分配给图像中每一个像素的任务,可以实现大量的新应用,例如 Pixel 2 与 Pixel 2 XL 智能手机人像模式中附带的合成浅景深效果,以及移动实时视频分割。分配这些语义标签需要标出对象的轮廓,因此,它对定位精度的要求比其他视觉实体识别任务(例如图像级分类或边界框级检测)更加严格。我们高兴地宣布将 Google 最新、性能最好的语义图像分割模型 DeepLab-v3+ (在 Tensorflow 中实现)开源:https://github.com/tensorflow/models/tree/master/research/deeplab 此次发布包括基于一个强大的卷积神经网络 (CNN) 骨干架构构建的 DeepLab-v3+ 模型,这些模型可以获得最准确的结果,预期用于服务器端部署。作为此次发布的一部分,我们还将分享 Tensorflow 模型训练与评估代码,以及已在 Pascal VOC 2012 和 Cityscapes 基准语义分割任务中预先训练的模型。 转自:TensorFlow 完整内容请点击“阅读原文 via: http://mp.weixin.qq.com/s?__biz=MzA4NDEyMzc2Mw==&mid=2649678834&idx=2&sn=f7ee90685a972123cda668ebbe08ca9e&scene=0#wechat_redirect

 

回复