将图像分割模型输出从 2D（类数，像素数）重塑为 3D 通道最后图像的正确方法是什么答案

【问题标题】：what is the correct way to reshape image segmentation model output from 2D (num of classes, num of pixels) to 3D channel last images将图像分割模型输出从 2D（类数，像素数）重塑为 3D 通道最后图像的正确方法是什么
【发布时间】：2019-05-06 13:52:07
【问题描述】：

我正在使用 keras 和 python 进行卫星图像分割。据我了解，要获得图像分割的（像素级）预测，模型将维度（-1，num_classes，height，width）的层重塑为（-1，num_classes，height*width）。然后应用激活函数，如 softmax 或 sigmoid。我的问题是如何在此步骤后以通道优先或通道最后的格式恢复图像？示例代码

o = (Reshape((  num_classes , outputHeight*outputWidth)))(o)
o = (Permute((2, 1)))(o)
o = (Activation('softmax'))(o)

我已经尝试在最后添加以下层到模型中

o = (Reshape((outputHeight, outputWidth, num_classes)))(o)

这是正确的吗？这是否会以与原始相同的顺序重新定向图像像素？另一种选择可能是在单个图像上使用以下代码。

array.reshape(height, width, num_classes)

我应该使用哪种方法获得像素级分割结果？

【问题讨论】：

标签： python-3.x keras deep-learning image-segmentation

【解决方案1】：

不，如果您对图像分割感兴趣，您应该不展平然后重塑您的张量。相反，请使用 完全卷积 模型，例如 U-Net。你可以在 github 上找到很多它的示例实现，例如here

【讨论】：

感谢@mrks。你的回答很有帮助，它彻底改变了我的输出