图像分割结果中的噪声
noise in image segmentation result
我正在做一个基于深度卷积神经网络的图像分割任务。网络结构来自this paper, and the structure can be seen in the picture:FCN used in image segmentation. The network is designed based on Fully Convolutional Network and DCAN.
数据集为MICCAI 2015腺体分割挑战赛public基准数据集（又名Warwick-QU数据集）
我用这个网络做分割任务。然而在我的结果中，我总是注意到一个固定的噪声模式：预测图像中的小白色交叉：Prediction results with crossing shape noise
谁能解释一下这些噪声像素是什么意思？它们是图像处理中的常见噪声吗？值得注意的是，这种现象并不是只出现在特定的图像中，而是针对整个预测。
这些crossing-shape噪声是由我的网络中的反卷积层引起的，通过改变反卷积层的核大小来解决。
首先我们应该了解反卷积层是如何工作的。可以找到一个清晰的插图here。我们需要记住的是，反卷积中的 stride 有助于 enlarge 特征图的大小。
回到这个例子。假设我们有一个 32x32 的特征图，我们想要得到大小为 256x256 的特征图，所以我们必须使用反卷积步幅为 8x8 的层进行反卷积，因此特征图中添加了很多零像素，这就是为什么会出现这些交叉形状的原因。为了解决这个问题，我们必须将内核大小扩大两倍。在上面的示例中，我们需要选择一个 16x16 内核，这样我们的过滤器就不会落入那些零。
结果图片可以在这里显示：result
我们可以清楚地看到，与问题中所附的图片相比，crossing-shape噪声被去除了。
我也遇到这个问题，但我发现原因是输出通道设置错误，应该是256而不是1
我正在做一个基于深度卷积神经网络的图像分割任务。网络结构来自this paper, and the structure can be seen in the picture:FCN used in image segmentation. The network is designed based on Fully Convolutional Network and DCAN.
数据集为MICCAI 2015腺体分割挑战赛public基准数据集（又名Warwick-QU数据集）
我用这个网络做分割任务。然而在我的结果中，我总是注意到一个固定的噪声模式：预测图像中的小白色交叉：Prediction results with crossing shape noise
谁能解释一下这些噪声像素是什么意思？它们是图像处理中的常见噪声吗？值得注意的是，这种现象并不是只出现在特定的图像中，而是针对整个预测。
这些crossing-shape噪声是由我的网络中的反卷积层引起的，通过改变反卷积层的核大小来解决。
首先我们应该了解反卷积层是如何工作的。可以找到一个清晰的插图here。我们需要记住的是，反卷积中的 stride 有助于 enlarge 特征图的大小。
回到这个例子。假设我们有一个 32x32 的特征图，我们想要得到大小为 256x256 的特征图，所以我们必须使用反卷积步幅为 8x8 的层进行反卷积，因此特征图中添加了很多零像素，这就是为什么会出现这些交叉形状的原因。为了解决这个问题，我们必须将内核大小扩大两倍。在上面的示例中，我们需要选择一个 16x16 内核，这样我们的过滤器就不会落入那些零。
结果图片可以在这里显示：result
我们可以清楚地看到，与问题中所附的图片相比，crossing-shape噪声被去除了。
我也遇到这个问题，但我发现原因是输出通道设置错误，应该是256而不是1