阅读本文时，假设你对inception有一定的了解。主要使用inception v3的模型，再后面接一个softmax，做一个分类器。具体代码都是参照tf github。 将原先的softmax输出抛弃，自定义分类的种类，训练参数，得到自己的分类模型步骤一：数据准备，准备自己要分类的图片训练样本。项目下需要有以下文件夹：bottleneck(空文件夹)data
转载
2024-04-03 14:30:15
41阅读
GAN生成对抗网络是近几年来最酷的技术，可以做到影像生成。 GAN中的生成器是输入任意一个向量，输出一张图像。输入向量的每个值可能代表着输入图像的某个特征。GAN不但有生成器，还有一个判别器。输入一张图像，然后对这张图像进行评价这张图像是否真实。 生成器和判别器不断对抗而进化，生成器为了骗过生成器而不断生成更逼真的图像，而判别器也会不断进化使得能够判断出生成器生成的图片。 首先初始化生成器和判别器
转载
2024-06-19 06:10:20
56阅读
图像分割图像分割什么是图像分割？开始下载Oxford-IIIT Pets 数据集 & 预处理定义模型训练模型开始训练开始预测结束可选项：非平衡类与类权重 说明：本文章为作者在学习Tensorflow官方教程时的学习笔记，现整理出来供大家学习参考。您可以将本文章当作官方教程的中文翻译来阅读学习。本教程代码与官方代码一致。Tensorflow官方教程1链接附在文章末。图像分割什么是图像分割？
转载
2024-03-01 14:51:23
42阅读
什么是图像分割(image segmentatioin)?想必你已经了解图像分类，神经网络所应用的任务之一就是对输入图像进行分类，指出其属于哪一类图像。然而，如果你需要从图像中识别出物体，指出图片中的像素点分别归属于什么物体，这种情况下你需要的是分割图像(segment the image)，换句话说就是给图像的像素点打上标签。图像分割(image segmentation)的任务就是训练一个神经
转载
2024-09-02 10:10:36
45阅读
图像分割参考：语义分割（sematic segmentation）这里使用Oxford-IIIT Pet 数据集，该数据集由图像、图像标签、以及对像素逐一标记的掩码（分类）组成。像素的标签可以是：宠物、宠物轮廓、背景 下载安装必要的数据集和库，导入数据集 Oxford-IIIT Pet !pip install -q git+https://github.c
转载
2024-04-29 20:32:08
0阅读
导读：本项目是基于论文《语义分割全卷积网络的Tensorflow实现》的基础上实现的，该实现主要是基于论文作者给的参考代码。该模型应用于麻省理工学院（http://sceneparsing.csail.mit.edu/）提供的场景识别挑战数据集。 项目所需的七大条件 结果是在12GB TitanX上训练大约6~7小时后获得的。 该代码最初是用tensorflow0.11和python2.7编
转载
2024-04-07 14:24:43
23阅读
前言教程来源：清华大佬重讲机器视觉！TensorFlow+Opencv：深度学习机器视觉图像处理实战教程，物体检测/缺陷检测/图像识别注：这个教程与官网教程有些区别，教程里的api比较旧，核心思想是没有变化的。上一篇文章 TensorFlow学习：使用官方模型进行图像分类、使用自己的数据对模型进行微调是基于官方案例来实现的分类，这次是从另一个角度来实现的分类。基础知识这部分基础知识之前没学过，这次
本文主要带领读者了解生成对抗神经网络（GAN），并使用提供的face数据集训练网络GAN 入门自 2014 年 Ian Goodfellow 的《生成对抗网络（Generative Adversarial Networks）》论文发表以来，GAN 的进展突飞猛进，生成结果也越来越具有照片真实感。就在三年前，Ian Goodfellow 在 reddit 上回答 GAN 是否可以应用在文本领域的问题
转载
2024-05-11 20:53:01
83阅读
翻译自Image Segmentation using deconvolution layer in Tensorflow
使用反向卷积进行图片分割反向卷积(deconvolution)不止应用于图片分割领域，在各种输入维度小于输出维度的领域都有应用。1. 什么是图片分割 图片分割是将一个图片划分成不同的区域，进而帮助我们理解图片内容。现在，CNN是目前最高效的图片识别手段，但却难以解决图片分割问
转载
2024-05-29 09:56:36
29阅读
前言TensorFlow Lite是一款专门针对移动设备的深度学习框架，移动设备深度学习框架是部署在手机或者树莓派等小型移动设备上的深度学习框架，可以使用训练好的模型在手机等设备上完成推理任务。这一类框架的出现，可以使得一些推理的任务可以在本地执行，不需要再调用服务器的网络接口，大大减少了预测时间。在前几篇文章中已经介绍了百度的paddle-mobile，小米的mace，还有腾讯的ncnn。这在本
转载
2024-08-13 08:42:18
39阅读
# #1、概述TF-slim是tensorflow的一个轻量级库，它将很多常见tensorflow函数进行封装，使的模型的构建、训练、测试都更加简洁，特别适用于构建结构复杂的深度神经网络。github地址为：https://github.com/tensorflow/models/tree/master/research/slim2、下载models模块到https://github.com/te
转载
2024-08-31 23:10:05
38阅读
本文主要带领读者了解生成对抗神经网络（GAN），并使用提供的face数据集训练网络GAN 入门自 2014 年 Ian Goodfellow 的《生成对抗网络（Generative Adversarial Networks）》论文发表以来，GAN 的进展突飞猛进，生成结果也越来越具有照片真实感。 就在三年前，Ian Goodfellow 在 reddit 上回答 GAN 是否可以应用在文本领域的问
转载
2024-05-09 17:31:04
43阅读
文章目录Dual-branch residual network for lung nodule segmentation（CVPR2019）Attention Guided Network for Retinal Image Segmentation（MICCAI 2019）SOFT LABELING BY DISTILLING ANATOMICAL KNOWLEDGE FOR IMPROVE
转载
2024-05-03 12:59:49
0阅读
TensorFlow 2现已上线！本教程将引导您完成使用深度学习构建简单的CIFAR-10图像分类器的过程。在本教程中，我们将：定义模型建立数据管道训练模型多个GPU加快训练速度添加callback以监视进度/更新学习进度本教程中的代码可在此处获得。定义模型TensorFlow 2使用Keras作为其高级API。Keras提供了两种定义模型的方法：顺序API和功能API。使用Keras
转载
2024-09-02 10:36:49
33阅读
对于最流行的机器学习框架来说，TensorFlow 2.0 将是一个重要的里程碑：大量的更改即将到来，所有的一切都以人人可以使用 ML 为目标。但是，这些更改要求老用户完全重新学习如何使用框架：本文介绍了 1.x 和 2.x 版本之间的所有（已知的）差异，主要是思维方式的改变，并着重介绍了新实现的优缺点。对于新手来说，本文也是一个很好的起点：现在就开始以 TensorFlow 2.0 的方式思考，
转载
2024-05-01 12:39:40
54阅读
一、TnesorFlow 计算模型————计算图1、 计算图概念1.1 Tensor Tensor就是张量, 可以简单理解为多维数组，表明了数据结构1.2 FlowFlow 表达了张量之间通过计算相互转化的过程，体现了数据模型1.3 数据流图基础数据流图是每个 TensorFlow 程序的核心，用于定义计算结构
每一个节点都是一个运算，每一条边代表了计算之间的依赖关系上图展示了可完成基本加法运算
转载
2024-06-05 22:13:28
80阅读
摘要 遥感图像分割是利用遥感技术获取的高分辨率图像进行像素级别的分类，将图像中的不同物体或不同地物提取出来的过程。这个过程对于遥感应用具有重要意义，因为它能够提取出地物和地表特征，如河流、道路、建筑、植被、水体等，并且这些特征是地面实际存在的。图像分割可以为地面覆盖分类、土地利用覆盖变化分析、城市规划、农业资源监测、环境保护等领域提供实用信息。 本论文首先阐述了遥感图像分割和深度学习技术的原理，并
转载
2024-08-21 16:57:09
55阅读
一.简介在人工智能领域内，GAN是目前最为潮流的技术之一，GAN能够让人工智能具备和人类一样的想象能力。只需要给定计算机一定的数据，它就可以自动联想出相似的数据。我们学习和使用GAN的原因如下：1.能够用GAN进行无监督学习：深度学习需要大量数据的标注才能够进行监督学习，而使用GAN则不需要使用大量标注的数据，可以直接生成数据进行无监督学习，比如使用GAN进行图像的语义分割，我们甚至根本不需要标注
转载
2024-04-07 18:10:05
277阅读
生成对抗网络 (GAN)。通过学习图像训练数据集的隐分布（图像的“隐空间”），GAN 可以生成看起来极为真实的新图像。一个 GAN 由两部分组成：一个“生成器”模型（可将隐空间中的点映射到图像空间中的点）和一个“判别器”模型，后者是一个可以区分真实图像（来自训练数据集）与虚假图像（生成器网络的输出）之间差异的分类器。GAN 训练循环
原创
2023-01-17 01:46:05
205阅读
代码：模型训练环境要求ubuntu=16.04tensorflow=1.4.1opencv=3.4.1windows下可以进行测试代码介绍data放置VOC数据和数据处理生成的record文件和分化数据的txt文件model放置训练生成的模型和graphoutput放置测试图片生成的分割图像picture放置测试用例,我的来源于百度图片utils包含配置文件config.py,数据处理文件data
转载
2024-03-29 12:31:11
106阅读
