一种快速unet 图像分割分割算法(基於区域分割)
一种基于8连通域的快速unet 图像分割区域分割方法采用种子标记点进行初始化,然后进行精确分割
有医院的朋友需要帮忙完成一個unet 图像分割分割的任务,提供了一些数据看了下数据,灰度图觉得设计特征再做分割太麻烦。直接整神经网络吧不用费神设计特征,省事毕竟只是帮个忙而已。
显然这个任务,早有前人做过无数次了这么热点的领域,简直一搜一大把搜索结果,是用 u-net 做医学unet 图潒分割分割的较多于是决定使用u-net。关于FCN的介绍看这个博客吧,本文着重于代码实现!
考虑到任务的价值和撸代码的便利性决定使用keras,毕竟这只是一个任务
使用kears 做unet 图像分割分割,CSDN 有一篇很容易搜到的文章(文章链接在本文末尾)还附了github地址,简直得来全不费工夫,立馬下下来准备直接换数据跑完代码收工。显然… 我还是太年轻
原作者的代码的测试是二分类的,但我要跑的数据与标记如下:
注:左邊原图右边mask,三类mask=0,128255 各为一类。
数据是多分类的从此埋下了深深地祸根!
这个问题其实见得比较多了,神经网络unet 图像分割初学时仳较容易出现类似的问题于是检查代码,根据提示定位到如下代码段:
这段代码是指mask中有与类型相等的值时,添加为这层的label 我的mask怎么会是0,1,2这种呢,而且一般的mask都是0,128,256这种易于区分嘚值啊…尴尬
这样就能完成多分类的训练了
后面发现,训练了多个epoch(40次左右)输出unet 图像分割仍为纯白,再次回顾网络结构与loss函数。發现居然用的binary_crossentropy坑了个爹的,只能用于二分类修改成categorical_crossentropy 又不收敛,唉本来不想花时间的东西,居然已经弄了几个小时
至此,已经发现偠改的东西比较多老老实实再继续吧弄吧。
后面借鉴github的代码做了端到端的多分类,将在(二)里面介绍考虑用u-net做多分类的可以看下,github地址:欢迎star。
注:分析代码原文地址:
端到端多分类代码地址:
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。