【632】keras 自定义损失函数
摘要：[1] Keras自定义Loss函数 [2] 【602】语义分割评价指标 IoU mIoU precision recall F1 的计算 [3] keras训练和加载自定义的损失函数 Dice_loss 实现： from keras import backend as K # 防止分母为0 smo
阅读全文
posted @ 2021-08-05 17:29
随笔分类 - AI Related
Artificial Intelligence Machine Learning Deep Learning NLP
【631】TensorBoard 简介： TensorFlow 的可视化框架
摘要：import keras from keras import layers from keras.datasets import imdb from keras.preprocessing import sequence max_features = 2000 max_len = 500 (x_tr
阅读全文
posted @ 2021-08-05 16:52
【630】keras 实现多输出模型
摘要：【511】Keras 函数式 API
阅读全文
posted @ 2021-08-05 15:58
【629】图像增强（imgaug 包）
摘要：[1] 图像分割任务中的图像增强 [2] imgaug学习笔记(包含各个函数说明) [3] python图像数据增强——imgaug （二） 说明： 实例化 iaa.Sequential()，里面包含多种变换 输入 图像数据+标注mask数据，进行对应的增强处理注意：对于图像数据，直接转为 nump
阅读全文
posted @ 2021-08-04 17:01
【625】keras.utils.Sequence 制作生成集
摘要：tensorflow.keras.utils.Sequence的使用 keras 官网 - Sequence Unet Xception Keras for Pneumothorax Segmentation 用于拟合数据序列的基对象，例如一个数据集。 每一个 Sequence 必须实现 __get
阅读全文
posted @ 2021-07-28 17:12
【620】读书笔记【Keras图像深度学习实战】
摘要：1.2.2 张量 0阶张量：标量，也就是一个数 1阶张量：就是一个向量 2阶张量：就是一个矩阵 3阶张量：可以表示为3个颜色通道的彩色图片 1.2.4 模型 Keras 包含两种模型（不同版本叫法不同） Sequential模型：序贯模型，单输入单输出模型 Graph，图模型：支持多输入多输出，就是
阅读全文
posted @ 2021-07-22 21:05
【619】语义分割构建网络的输入与输出
摘要：假设图像尺寸为 512x512，标签图像为同样大小的灰度图。 输入数据与标签数据 输入数据：(batch, 512, 512, 3)，三个通道的数据 标签数据：(batch, 512, 512, 1)，0 和 255，调整为 0 和 1，相当于两个类 构建 U-Net 的模型 Model input
阅读全文
posted @ 2021-07-22 20:57
【618】不同图片格式的压缩情况
摘要：参考：图片格式分不清？JPG、TIF、PNG，不同格式区别到底在哪里 在制作深度学习语义分割的标签数据的时候，会涉及到存储图片的步骤，默认就是存成了 JPG 格式，今天跟同事聊天，突然说 JPG 会压缩数据，突然我也回忆道自己在生成的白色 JPG 图片上看到了莫名的淡灰色，于是自己打算自己试验下 J
阅读全文
posted @ 2021-07-22 20:34
【617】numpy.array 调整大小，类似图像 resize
摘要：参考：scipy.ndimage.zoom 参考：python图像大小缩放使用cv2.resize()或scipy.ndimage.zoom() 参考：【Scipy】scipy.ndimage.zoom矩阵放缩 数据在输入到 U-Net 网络里面，尺寸需要是 32 的倍数，这样才能保证输入与输出尺寸
阅读全文
posted @ 2021-07-22 11:52
【616】安装 GDAL（rasterio）
摘要：参考： Windows 电脑很容易，但是 Mac 很不好装（目前还没装上，可能是系统版本，可能是 python 版本） Windows 版： 参考：windows 环境下基于Python 的GDAL 安装 首先获取 python 版本 直接 cmd 上面输入 python，就会显示版本号，我的是 p
阅读全文
posted @ 2021-07-20 11:09
【615】国内国外经纬度坐标转换
摘要：参考：python3实现GPS经纬度坐标（WGS84）国测局火星坐标（GCJ02）百度坐标（BD09）相互转换 参考：地图，GPS位置地图坐标系：WGS-84(GPS)、GCJ-02(Google地图)、BD-09(百度地图)，OpenGIS 前言：下载的国外提供的数据集，对应的是国内的建筑数据，但
阅读全文
posted @ 2021-07-19 21:34
【614】矢量数据转栅格数据(cv2.fillPoly/cv2.polylines)
摘要：参考：http://geojson.io（geojson直接显示） 参考：geojson、shp文件互转 参考：cv2.fillConvexPoly()与cv2.fillPoly()填充多边形 参考：GeoJSON格式规范说明 两个主要函数说明： cv2.fillPoly() cv2.polylin
阅读全文
posted @ 2021-07-19 21:13
【613】U-Net 相关
摘要：参考：keras遥感图像Unet语义分割(支持多波段&多类) 参考：憨批的语义分割重制版5——Keras 搭建自己的Unet语义分割平台 参考：U-net源码分析（Keras版本） 参考：U-Net 源码 McDelfino / unet 【国内反而不稳定】 参考：U-Net 源码 alexbnle
阅读全文
posted @ 2021-07-16 11:11
【612】深度学习模型相关问题
摘要：基本概念 参考：keras使用中fit_generator的一些问题 参考：keras.utils.Sequence生成数据 参考：手工编写继承KERAS.UTILS.SEQUENCE类的图像生成器 深度学习中的【训练集】、【验证集】、【测试集】 训练集：可以比喻为课本，学生通过课本学习 验证集：平
阅读全文
posted @ 2021-07-14 21:10
【611】keras 后端 backend 相关函数（Dice实现）
摘要：参考：keras - 后端函数 参考：Dice损失函数基础知识及代码实现 参考：【LOSS】语义分割的各种loss详解与实现 参考：keras-import keras.backend as K的意义 参考：keras中的backend.clip用法 from keras import backen
阅读全文
posted @ 2021-07-14 16:34
【610】keras 相关问题说明
摘要：1. 无法导入 Adam 解答：主要是 TensorFlow 2.4 与 2.5 的调整导致的，可以按照如下修改： # TensorFlow 2.4版本： from keras.optimizers import Adam # TensorFlow 2.5 版本： from keras.optimi
阅读全文
posted @ 2021-07-14 11:23
【607】GPU、显存 查看与设置
摘要：参考：Linux查看GPU信息和使用情况 参考：Linux查看GPU信息和使用情况 参考：基于tensorflow的keras中GPU的使用 参考：keras实现多GPU或指定GPU的使用介绍 参考：【推荐】科普帖：深度学习中GPU和显存分析 今天开始在 GPU 上面训练深度学习模型，首先遇到的问题
阅读全文
posted @ 2021-07-13 17:19
【602】语义分割评价指标 IoU mIoU precision recall F1 的计算
摘要：参考：语义分割代码阅读 评价指标mIoU的计算 参考：（分割网络评价指标）dice系数和IOU之间的区别和联系 参考：【621】numpy.array 的逻辑运算 参考：numpy.bincount详解 参考：深度学习之语义分割中的度量标准 写在前面，关于计算时候需要注意的问题： K.sum 在计算
阅读全文
posted @ 2021-07-11 22:22
【601】【SpaceNet on AWS】遥感数据集下载教程
摘要：参考：【SpaceNet on AWS】遥感数据集下载教程 参考：用aws亚马逊云服务器下载spacenet数据集 参考：SpaceNet遥感数据集下载及数据集说明 参考：「AWS」入门安装aws cli 参考：SpaceNet遥感数据集下载及数据集说明 参考：【微软】How to extract
阅读全文
posted @ 2021-07-09 11:17
【600】Attention U-Net 解释
摘要：参考：Attention-UNet for Pneumothorax Segmentation 参考：Attention U-Net 一、Model 结构图 说明：这是3D的数据，F代表 feature( channel)，H 代表 height, W 代表 width， D代表 depth,就是3
阅读全文
posted @ 2021-07-06 20:55
