【问题标题】:probability map for semantic segmantion语义分割的概率图
【发布时间】:2017-03-31 01:55:22
【问题描述】:

关于语义分割,在我看来,最终的逐像素标注有多种方式,例如
softmax、sigmoid、逻辑回归或其他经典分类方法。

但是,对于 softmax 方法,我们需要确保网络架构产生的输出映射具有多个通道。通道数与类数相匹配。例如,如果我们讨论的是两类问题,掩码和取消掩码,那么我们将使用两个通道。是这样吗?

此外,输出图中的每个通道都可以被视为给定类的概率图。这种理解对吗?

【问题讨论】:

    标签: computer-vision tensorflow deep-learning caffe image-segmentation


    【解决方案1】:

    两个问题都是。 softmax 函数的目标是将分数转换为概率,以便最大化真实标签的概率。

    【讨论】:

      猜你喜欢
      • 2021-09-28
      • 1970-01-01
      • 2019-11-14
      • 1970-01-01
      • 2017-11-10
      • 2017-07-30
      • 2017-07-03
      • 2011-03-14
      • 1970-01-01
      相关资源
      最近更新 更多