1

我正在使用语义分割网络（SegNet）。我正在尝试减少课程的数量，从而重新安排网络。

因此，我也在更改预测的颜色编码。我的问题是我没有在输出图像中得到预期的颜色。

例如

pascal_palette = np.array([(0, 0, 0),
                           (0, 0, 0), (0, 0, 0), (0, 0, 0), (0, 0, 0), (0, 0, 0),
                           (0, 0, 128), (0, 128, 0), (0, 0, 0), (0, 0, 0), (128, 0, 0),
                           (0, 0, 0), (0, 0, 0)
                        ], dtype=np.uint8)

由于像素仅在 1 个通道中，因此上述行为这三个类别提供了完美的结果。

输出如下：

给出预期的结果

但是，如果我修改该行并将值添加到不同的通道，它会给出奇怪的输出。输出附在下面：

pascal_palette = np.array([(0, 0, 0),
                           (0, 0, 0), (0, 0, 0), (0, 0, 0), (0, 0, 0), (0, 0, 0),
                           (0, 0, 128), (124, 252, 0), (0, 0, 0), (0, 0, 0), (128, 0, 0),
                           (0, 0, 0), (0, 0, 0)
                            ], dtype=np.uint8)

将颜色代码更改为 (124, 252, 0)。代码应该是草坪绿色。我还在RBG代码之类的网站上检查过

都变红了

我在这里想念什么？任何解释都会有所帮助。

预测代码：

 prob = model.predict(net_in)[0]

    # Reshape to 2d here since the networks outputs a flat array per channel
    prob_edge = np.sqrt(prob.shape[0]).astype(np.int)
    prob = prob.reshape((prob_edge, prob_edge, 13))

    # Upsample
    if args.zoom > 1:
        prob = interp_map(prob, args.zoom, image_size[1], image_size[0])

    # Recover the most likely prediction (actual segment class)
    prediction = np.argmax(prob, axis=2)

    # Apply the color palette to the segmented image
    color_image = np.array(pascal_palette)[prediction.ravel()].reshape(
        prediction.shape + (3,))

    print('Saving results to: ', args.output_path)
    with open(args.output_path, 'wb') as out_file:
        Image.fromarray(np.multiply(color_image,255)).save(out_file)

PS。在这两种情况下，我都使用相同的模型进行预测

4

1 回答 1

0

问题很可能在np.multiply(color_image,255).

由于您已经创建了一个值从 0 到 255 的调色板，并且您只是从该调色板中收集值，因此您不需要将其乘以 255。

使用简单Image.fromarray(color_image).save(out_file)。

于 2018-05-18T14:06:03.543 回答