问题标签 [unet]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
deep-learning - 图像分割的二元交叉熵损失
我在 Keras 中使用 CNN(U-Net)来分割 8 位图像以获得二进制掩码。尽管达到了 0.9999 的精度,但我仍然得到一些介于 0 和 255 之间的值,但希望完全删除这些值,使其只有 0 或 255。到目前为止,我一直在使用二元交叉熵损失函数,结合 sigmoid激活函数最后一个卷积层。有人可以告诉我是否有其他损失函数可以解决这个问题。
python - Keras 不同尺寸的图片
UNet,我有 670 个不同大小的 RGB 图像(X_train)张量流后端的列表
检查输入时出错:预期 input_14 有 4 个维度,但得到了形状为 (670, 1) 的数组
如何在 keras 中使用不同尺寸的图像?谢谢你的帮助。
unet - U-net:损失函数。Caffe中实现的代码
我阅读了有关 U-net 的文章。在那篇论文中,输出形状为 384*384,但数据集中的标签形状为 512*512(与输入形状相同)。我想知道如何定义损失函数。我在其他深度学习架构中搜索了一些实现,比如 Keras。但我发现他们使用了“填充”,所以输出形状与输入相同(512*512),损失函数只是简单的 MSE。
所以我真的很想知道关于在 Unet 中实现损失函数的方式的细节。
c# - 在方法中转换不同的子类
我想发送、接收和转换 SkillEvent 类的子类,并能够在里面获取自定义参数,具体取决于它的类型。
可能有许多具有不同参数的不同子类。
有没有办法避免为每种技能编写不同的方法?
我以为可以那样做,但显然不行。
有没有办法避免为每种技能编写不同的方法?
编辑 :
GrenadeSkillEvent 和 OtherSkillEvent 是 SkillEvent 的子项。
它们都有一个时间戳和一个类型,我认为我可能需要帮助将事件变量转换为正确的 SkillEvent 子类。
我的问题是它们具有相同的方法,比如说执行,但是每种子类都需要不同类型的参数。
例如,手榴弹事件可能需要一个目标点、爆炸的大小和伤害。
BonusEvent可以为玩家增加一些 HP 。
TerrainEvent可以在靠近玩家的重要对象上激活一些自定义动画等。
这些技能背后的所有逻辑都是一样的。
他们都有两种方法:
但是例如在 GrenadeSkill 中,我需要它
编辑 2:
编辑3:
c# - SerialPort 已打开,但在 BytesToRead 上抛出 NullReferenceException
我创建了一个 SerialPort,可以检查它不为空,并且SerialPort.IsOpen()返回 true。但是当我检查BytesToRead属性时,我得到了 NullReferenceException。
我可以逐步使用调试器并在调用 BytesToRead 之前立即看到,串行端口已实例化并打开,但调试器无法访问某些属性,包括 BytesToRead。
可能出了什么问题?
c# - 引用具有网络标识 Unity UNET 的对象的子对象?
所以我有一个我试图通过 UNET 操作的对象。我所做的基本上是在服务器上生成一个对象,然后执行射线投射,如果射线投射回来并且我击中了该生成对象的一个子对象,那么我想更改它的材质。有点像高亮效果。我可以让子对象恢复正常,并且它一直在工作,直到我使用 Rpc 调用它。我收到一条警告,内容如下:
网络编写器 myChildObject 没有网络标识
然后它继续给我一个空引用错误。经过考虑,我相信它给了我这个错误,因为没有网络 ID 就无法将该对象发送给其他客户端,但是,它的父级已经有一个,如果它的父级有一个,我不能给它一个.. .这种疯狂有没有解决方法,还是我做错了?
我的代码块PlayerController
如下:
python - U-net 架构中的最后一个卷积层预期尺寸错误
我正在尝试在 Keras 中实现 u-net,但在训练模型时出现此错误(调用 model.fit()):
ValueError:检查目标时出错:预期 conv2d_302 的形状 > (None, 1, 128, 640) 但得到了形状为 (360, 1, 128, 128) 的数组
model.summary() 的输出是:
这是模型代码:
我不明白为什么倒数第二层(conv9)的输出与最后一层(conv10)的期望不同。
Keras 模型由https://github.com/jocicmarko/ultrasound-nerve-segmentation/blob/master/train.py提供。
更新:添加了完整的 model.summary()。
python - 从源图像制作深度学习 U-net keras 补丁。(代码 python)
我在预处理数据集以进行深度学习时遇到问题。我正在使用U-net。
我有 512x512 的训练数据、标签数据、测试数据大小。
我想要基于补丁的学习,所以我试图将 512x512 切片更改为多个 64x64 切片,以便我可以使用 64x64 补丁训练图像。在我的情况下,我想从原始 512x512 图像制作 64x64 补丁跨 32 像素。
例如,第一个补丁由 (0,0) ~ (64,64) 组成,下一个补丁由 (32,0) ~ (64 + 32, 64) 组成
这是 data.py 的完整代码
我想我需要在此代码附近添加补丁制作代码。
我很感激你的帮助。
deep-learning - Unet分割模型预测空白图像?
我正在使用 Unet 架构进行肺分割,它向我展示了更好的训练和 Val 损失,但是当我调用预测函数并将训练集的一张图像作为输入时。它给了我空白图像作为输出。我理解为什么在它显示时这样做良好的验证准确性。我正在使用 keras