输入到 CNN 的超像素答案

【问题标题】：Superpixels input to CNN输入到 CNN 的超像素
【发布时间】：2019-05-13 03:54:46
【问题描述】：

如何将超像素作为 CNN 的输入？我使用 SLIC 算法将图像分割成超像素。

如何使用 CNN 进行分类？

【问题讨论】：

CNN 使用像素的 x,y 属性，以及不同像素之间的邻接关系。 SLIC 的输出没有必要的属性。您可以获取每个超像素的平均 RGB 和 XY 并将它们用作特征，但 CNN 不会是第一层的正确解决方案。您可以应用一些预处理并将像素放在网格上，使用 avg XY，但我不确定它的效果如何。

标签： python conv-neural-network image-segmentation superpixels

【解决方案1】：

我会尽力帮助你的。 CNN（卷积神经网络）处理输入的唯一数据，而不是矩阵（超像素是矩阵）。因此，为此，您需要删除每个超像素并使其成为自己的图像。因此，换句话说，如果您将图像分割成 300 个超像素，之后，您需要创建 300 个新图像，每个超像素一个。在此之后，每个新图像可能会有不同的大小，这是臭名昭著的。你不能那样工作，因为 CNN 中输入的神经元数量不能改变。为此，您可以将每个“新图像”集中在背景 NxN 中（“N”必须足以覆盖所有新图像）。使用集中式超像素（新图像集中），每个像素都将作为 CNN 的输入。换句话说： 1）每个集中式超像素一次输入一个； 2）CNN中的输入数量为X*Y，X为超像素集中的shape[0]，Y为超像素集中的shape[1]； 3）虽然集中了 300 个超像素，但您的 CNN 必须计算每个超像素的输出。

插图：https://imgur.com/k8pRDw7

看插图，祝你好运！ :)

【讨论】：