01-语义分割

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 a：正负样本的比例设置的权值；Y是相等于像素点判断的类别的难易程度权值。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

卷积：提取特征；池化：压缩特征；全连接层：

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 padding：添加0，对于原图没有影响；填充其他数字的话，可能会对数据产生影响，故一般只填充0；

 

 

 

 

 

 

 

 

 

池化层：压缩特征或者降采样，（原图中，并不是所有的特征都很重要，对特征进行压缩后，减少特征后，保留重要的特征）。

 

 

 

 

卷积：提取特征； 全连接FC:进行最后的图像分类。

层：带参数计算的层；卷积层有参数，称为层；激活层、池化层，无参数，不能称为层；全连接层，有参数，称为层。

 

 

 

 特点：卷积核大小都为3*3，图像特征逐渐减小、通道数逐渐增多。

问题：在VGG网络训练时，网络加深，反而训练的效果不好？？Resnet网络解决该问题。

 

 

 

 

 

 

 

 

 

 

 

 unet模型：网络结构简单，适合检测小目标。