神经网络训练掩码
Mask for neural network training
我正在训练一个神经网络，我发现了一个无人机拍摄的照片数据集。它说它有 20 类 应该被检测到。然而，面具看起来都是这样的（对不起，图像真的很暗！）：
This is my mask
当我尝试训练网络时，它总是说图像只有 3 个通道。 （我认为它可能是 RGB）。问题是我的网络需要 20 个通道作为掩码输入（每个类别一个用于检测树、汽车、人等）。有没有办法让我将图像转换为 20 个通道图像？我查看了蒙版是否只有 20 个不同的像素颜色值，但它有 254 个，所以我认为这与此无关...
谢谢！ （这是我在 Whosebug 上的第一个问题，所以如果问题中有问题，请告诉我！:-)）
我不确定我是否正确理解了你的问题，但是是的，有一种方法可以对图像进行上采样，使其成为 20 通道输入。您所要做的就是获取原始图像（假设其大小为 [batch, height, width, #channels]）并将其与内核（[#channels, height, width, 20]）进行卷积，同时保持填充模式 'same'。这会将您的 3 通道图像转换为 20 通道阵列（不再称其为图像）。
我正在训练一个神经网络，我发现了一个无人机拍摄的照片数据集。它说它有 20 类 应该被检测到。然而，面具看起来都是这样的（对不起，图像真的很暗！）： This is my mask
当我尝试训练网络时，它总是说图像只有 3 个通道。 （我认为它可能是 RGB）。问题是我的网络需要 20 个通道作为掩码输入（每个类别一个用于检测树、汽车、人等）。有没有办法让我将图像转换为 20 个通道图像？我查看了蒙版是否只有 20 个不同的像素颜色值，但它有 254 个，所以我认为这与此无关...
谢谢！ （这是我在 Whosebug 上的第一个问题，所以如果问题中有问题，请告诉我！:-)）
我不确定我是否正确理解了你的问题，但是是的，有一种方法可以对图像进行上采样，使其成为 20 通道输入。您所要做的就是获取原始图像（假设其大小为 [batch, height, width, #channels]）并将其与内核（[#channels, height, width, 20]）进行卷积，同时保持填充模式 'same'。这会将您的 3 通道图像转换为 20 通道阵列（不再称其为图像）。