训练集的 SegNet 结果（通过 test_segmentation.py 测试）答案

【问题标题】：SegNet results of train set (test via test_segmentation.py)训练集的 SegNet 结果（通过 test_segmentation.py 测试）
【发布时间】：2016-10-10 10:46:31
【问题描述】：

我在自己的数据集（Segnet tutorial）上运行 SegNet。我通过test_segmentation.py 看到了很好的结果。我的问题是我想看到真正的净结果，而不是 test_segmentation 自己的着色（通过类）。例如，如果我用 2 个类训练了网络，那么在训练之后我不仅会看到 2 种颜色（正如我们在类中看到的那样），而且我们会看到真正的网络颜色分割（[0.22,0.19,0.3.. ..) 如网络所见，更亮和更暗] 我希望我能很好地解释自己。感谢您的帮助。

【问题讨论】：

标签： python-2.7 neural-network caffe conv-neural-network

【解决方案1】：

您可以使用 python 脚本来实现您想要的。看看this script。

命令out = out['argmax'] 提取原始输出，因此您可以根据需要获得具有“更亮和更暗”值的分割图。

【讨论】：

它不正确。您应该看到图像的原样。不采取最大/平均/等。争论。在这里查看我的答案。

【解决方案2】：

当您说“真正的”净颜色分割时，我会假设您指的是概率图。实际上，最后一层将为每个班级提供一张地图；如果您检查 inference.py 中的函数 predict，它们会采用 argmax；那是概率最高的通道（代表类别）。如果你想得到这些地图，你只需要得到数据而不计算 argmax；类似：

predicted = net.blobs['prob'].data

【讨论】：

是的。您必须从“prob”中获取数据，但如果您想看到与图像矩阵中相同的像素，您必须在cmin 和cmax 范围内。在这里查看我的答案。

【解决方案3】：

我解决了。解决方案是在 scipy 保存方法中将 cmin 和 cmax 的范围从 0 到 1。例如：scipy.misc.toimage(output, cmin=0.0, amax=1).save(/path/.../image.png)

【讨论】：