如何在 Keras 中使用 CNN 处理马萨诸塞州道路数据集？
How to tackle the Massachusetts roads dataset using CNN in Keras?
![样本训练输入]http://www.cs.toronto.edu/~vmnih/data/mass_roads/train/sat/10078660_15.tiff
![样本训练输出]
http://www.cs.toronto.edu/~vmnih/data/mass_roads/train/map/10078660_15.tif
我是 CNN 的初学者，并且使用过 MNIST 数据集，我们在其中输入 28x28x3 图像并输出一个 10x1 向量，其中包含 10 类(0,1,2,3-- -,9).
我们如何只从输入图像中提取道路像素并显示它们，如输出图像所示？
这个问题是一个二进制分割问题。从某种意义上说，您从卫星图像中学习映射并预测每个像素，前提是该像素是道路的一部分。执行此操作的一个简单算法是检查像素颜色是否在某个范围内。
CNN 自然会根据所述像素的局部邻域为您学习更复杂的函数。一个帮助您入门的存储库应该是这个：https://github.com/jocicmarko/ultrasound-nerve-segmentation。其中，他们使用类似的算法使用 CNN 分割超声图像。您只需要使用 3 个输入通道而不是 1 个，其他一切应该非常相似。
![样本训练输入]http://www.cs.toronto.edu/~vmnih/data/mass_roads/train/sat/10078660_15.tiff
![样本训练输出] http://www.cs.toronto.edu/~vmnih/data/mass_roads/train/map/10078660_15.tif
我是 CNN 的初学者，并且使用过 MNIST 数据集，我们在其中输入 28x28x3 图像并输出一个 10x1 向量，其中包含 10 类(0,1,2,3-- -,9). 我们如何只从输入图像中提取道路像素并显示它们，如输出图像所示？
这个问题是一个二进制分割问题。从某种意义上说，您从卫星图像中学习映射并预测每个像素，前提是该像素是道路的一部分。执行此操作的一个简单算法是检查像素颜色是否在某个范围内。
CNN 自然会根据所述像素的局部邻域为您学习更复杂的函数。一个帮助您入门的存储库应该是这个：https://github.com/jocicmarko/ultrasound-nerve-segmentation。其中，他们使用类似的算法使用 CNN 分割超声图像。您只需要使用 3 个输入通道而不是 1 个，其他一切应该非常相似。