conv-neural-network - 使用卷积神经网络进行语义图像分割
问题描述
我对 python 很天真,这是我的第一次尝试,所以如果我的问题似乎太基本,请多多包涵。我想使用卷积神经网络对 9 个卫星图像进行语义分割。到目前为止,我已经成功地一一导入图像并将它们转换为灰度。
我想做以下过程:
卷积 - 16 个过滤器,3 3 个过滤器大小池 - 2 2 个过滤器大小输出 - 4 个类测试和验证 80:20
这方面的任何线索都可能会有所帮助。请指导!
解决方案
这是代码,只有模型部分:
import tensorflow as tf
from tensorflow.keras import Conv2D, Dense, Flatten, MaxPool2D
# Declare your desired things here
num_filter=32
kernel_size=(3,3)
strides=(1,1)
padding="valid"
input_shape=(width,height,channel)
model = tf.keras.Sequential([
Conv2D(num_filter, kernel_size, strides=strides, input_shape=input_shape),
MaxPool2D(),
Flatten(),
Dense(4, activation="softmax")
])
这是一个有用的链接:ConvNet TensorFlow guide
推荐阅读
- performance-testing - 无法在 Loadrunner 中记录事务时间
- git - GitHub 上的 WxWidgets 存储库内容
- c# - 如何使用 C# winform 在特定时间打开新表单
- ios - 如何根据设备屏幕objective-c设置UITableViewCell高度
- python - Python 单选题
- java - 为什么在我使用 MongoDB 和 JPA 时会出现此错误?
- mutex - 带互斥锁/解锁的 Cppcheck
- azure - 当我们将新机器人添加到 Skype for Business 时,Microsoft 是否会收取许可证费用?
- spring - 具有多个实例和多个 JVM 的应用程序中的 Spring 调度程序代码
- php - 使用 while 循环根据从 SQL 数据库中提取的信息创建 HTML 表单