图像分割概念

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。

图像灰度：把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。用灰度表示的图像称作灰度图。
图像组成：一幅完整的图像，是由红色绿色蓝色三个通道组成的。
红色、绿色、蓝色三个通道的缩览图都是以灰度显示的。用不同的灰度色阶来表示“ 红，绿，蓝”在图像中的比重。通道中的纯白，代表了该色光在此处为最高亮度，亮度级别是255。

图像分割的主要方法：

主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法。

与百度连接

更详细的讲解文章：(19条消息) 图像分割综述_计算机视觉life的博客-CSDN博客_图像分割综述

GAN网络的理解与推导：

我的理解是一组相互对抗的过程，主要有生成器G（generate）与鉴别器D（descriminator）构成，个人的理解就是在更新的过程中固定G与D中的一个去训练另一个。

其核心思想就是下面这个公式：

首先固定生成器G，去训练鉴别器D

V的具体形式：

经过计算的到：（类似于概率论中最大似然函数的原理，求导让式子等于0可得到）

固定鉴别器D去训练生成器G

我们有了D的最优解，这里就可以固定D去训练G了，把它带入原公式之中：

看一下KL散的定义：

公式最后告诉我们，如果D有了带入，这是函数就是衡量真是数据与生成数据的距离，我们只需要求最小值让两者更加接近就可以使生成器的性能最好。

以上使个人的理解，不足或错误之处请指正。

原文推导链接：(19条消息) GAN公式推导详解_今晚打老虎的博客-CSDN博客_gan公式

(19条消息) GAN生成对抗式神经网络数学推导__寒潭雁影的博客-CSDN博客

图像分割与GAN网络相关推荐

Nat. Commun. | 条件GAN网络和基因表达特征用于类苗头化合物的发现
今天给大家介绍的是拜耳作物科学公司.拜耳公司机器学习研发部和遗传毒理学部于2020年1月联合发表在Nature Communications上的一篇论文,这篇文章通过一种生成模型进行分子的从头设计以及 ...
tensorflow gan网络流程图
tensorflow gan 网络流程图
LIVE 预告 | TransGAN：丢弃卷积，纯Transformer构建GAN网络
自2014年Ian J. Goodfellow等人提出以来,生成对抗网络(GAN,Generative Adversarial Networks)便迅速成为人工智能领域中最有前景的研究方向之一. 而另 ...
GAN背后的理论依据，以及为什么只使用GAN网络容易产生
花了一下午研究的文章,解答了我关于GAN网络的很多疑问,内容的理论水平很高,只能尽量理解,但真的是一篇非常好的文章转自http://www.dataguru.cn/article-10570-1.ht ...
『TensorFlow』通过代码理解gan网络_中
『cs231n』通过代码理解gan网络&tensorflow共享变量机制_上上篇是一个尝试生成minist手写体数据的简单GAN网络,之前有介绍过,图片维度是28*28*1,生成器的上采样使 ...
简记GAN网络的loss
<简记GAN loss的理解> GAN 是一种思想,刚接触的时候极为震撼,后来通过GAN思想也做过模型的优化,写过一篇专利.最近在用 GAN 生成数据,顺手写一写对GAN loss的理 ...
不服就GAN：GAN网络生成 cifar10 的图片实例（keras 详细实现步骤），GAN 的训练的各种技巧总结，GAN的注意事项和大坑汇总
GAN 的调参技巧总结生成器的最后一层不使用 sigmoid,使用 tanh 代替使用噪声作为生成器的输入时,生成噪声的步骤使用正态分布的采样来产生,而不使用均匀分布训练 discrimin ...
GAN网络详解（从零入门）
从一个小白的方式理解GAN网络(生成对抗网络),可以认为是一个造假机器,造出来的东西跟真的一样,下面开始讲如何造假:(主要讲解GAN代码,代码很简单) 我们首先以造小狗的假图片为例. 首先需要一个生成 ...
[深度学习论文笔记]医学图像分割U型网络大合集
[深度学习论文笔记]医学图像分割U型网络大合集 2015 U-Net: Convolutional Networks for Biomedical Image Segmentation (MICCAI ...
GAN网络的模型坍塌和不稳定的分析
众所周知,GAN异常强大,同时也非常难以训练.主要有以下亮点原因: 模型坍塌(mode collapse) 难以收敛和训练不稳定(convergence and instability) GAN网络的 ...

图像分割与GAN网络

图像分割概念

图像分割与GAN网络相关推荐

最新文章

热门文章