可视化图像语义分割结果答案

【问题标题】：Visualize image semantic segmentation results可视化图像语义分割结果
【发布时间】：2020-05-12 18:05:04
【问题描述】：

我正在尝试了解如何向用户显示图像分割结果。

我的意思是，如果我有这张图片：

我想向用户显示这个结果：

这些图片来自Github。我检查了他们的代码，但我没有找到他们向用户展示结果的位置。

如何向用户展示语义分割？

【问题讨论】：

看看labelVisualize() 的实现，这是他们用来可视化结果的函数（不过，您确实需要调整代码）。原则上，通常您对输出掩码执行的第一个操作是阈值 0.5，以对输出图像进行二值化。然后，您可以根据需要打印或后处理它
@GPhilo 谢谢。现在，我必须了解它是什么网络输出。它是否像图像的区域和该区域或区域的标签？也许它必须是一些坐标来指示每个类的位置。再次感谢。
好的，那么让我扩展一个正确的答案

【解决方案1】：

语义分割网络的输出是什么？

UNet（示例中的那个）和基本上所有其他处理Semantic Segmentation 的网络都会生成一个图像，其大小与输入图像成正比，其中每个像素都被归类为可能的像素之一指定的类。

对于二进制分类，通常原始输出是单通道浮点图像，其值在[0,1] 中，必须在0.5 处进行阈值处理才能获得“前景”二进制掩码。也有可能使用两个类（前景/背景）对网络进行隐式训练，在这种情况下，请继续阅读以了解如何处理多类分类输出。

对于多类分类，原始输出图像有 N 个通道，每个类一个，索引 [x, y, c] 处的值是像素的分数（将其视为像素的概率x,y 属于c 类，尽管原则上分数不必是概率）。 对于每个像素，所选类别是得分最高的通道之一。

然后可以对图像进行后处理（例如，将它们展平并分配给“获胜”类的每个像素类标签），就像您链接的示例一样（如果您查看labelVisualize()，他们使用 dict 将类代码映射到颜色）。

【讨论】：