为什么默认 FCN infer.py 脚本只输出一个 1-channel Mat，如何获得 RGB 输出？
Why default FCN infer.py script only output a 1-channel Mat, How to get a RGB output?
我从 github 下载并 运行 FCN 的默认 infer.py 脚本。
"score"层的输出只是1-channel Mat，无法转换为RGB img，我知道score层的原始输出blob是[1, 21, W, H]，但我怎么才能得到3 通道 RGB 输出而不是 1 通道 img?
我尝试将输入数据层从 [1,3,W,H] 更改为 [3,3,W,H] 并使用 PIL.Image.convert('RGB')，但是，两者都失败了。
我是图像分割的初学者，任何建议都有帮助，非常感谢~
infer.py中的源代码，其中out.shape = [W, H]（即1通道而不是3）：
out = net.blobs['score'].data[0].argmax(axis=0)
FCN 经过训练可以执行分割。所以在最后一层，在 21 个输出的每个像素处，它选择具有最大值的那个并使用该索引来标记像素。这样我们就得到了1通道的分割输出。
除非从一开始就训练网络输出RGB图像（这不是分割），否则不可能得到RGB图像。
您得到的输出确实是每个像素一个数字（2D 而不是 3D）。您得到的数字是 class 数字（0 = "background"、1 = "aeroplane" 等）。为了将 索引输出图像 转换为 RGB，您需要（手动）将每个 class 标签映射到一种颜色。您应该有一张索引为 0..20 -> (R,G,B) 的地图。
有关 class 实施此转换的信息，请参阅 voc_helper.py。
我从 github 下载并 运行 FCN 的默认 infer.py 脚本。
"score"层的输出只是1-channel Mat，无法转换为RGB img，我知道score层的原始输出blob是[1, 21, W, H]，但我怎么才能得到3 通道 RGB 输出而不是 1 通道 img?
我尝试将输入数据层从 [1,3,W,H] 更改为 [3,3,W,H] 并使用 PIL.Image.convert('RGB')，但是，两者都失败了。
我是图像分割的初学者，任何建议都有帮助，非常感谢~
infer.py中的源代码，其中out.shape = [W, H]（即1通道而不是3）：
out = net.blobs['score'].data[0].argmax(axis=0)
FCN 经过训练可以执行分割。所以在最后一层，在 21 个输出的每个像素处，它选择具有最大值的那个并使用该索引来标记像素。这样我们就得到了1通道的分割输出。
除非从一开始就训练网络输出RGB图像（这不是分割），否则不可能得到RGB图像。
您得到的输出确实是每个像素一个数字（2D 而不是 3D）。您得到的数字是 class 数字（0 = "background"、1 = "aeroplane" 等）。为了将 索引输出图像 转换为 RGB，您需要（手动）将每个 class 标签映射到一种颜色。您应该有一张索引为 0..20 -> (R,G,B) 的地图。
有关 class 实施此转换的信息，请参阅 voc_helper.py。