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,结构可以在图片中看到:FCN used in image segmentation。该网络基于Fully Convolutional Network和DCAN设计。
该数据集是MICCAI 2015中Gland Segmentation Chalenge Contest的公共基准数据集(也称为Warwick-QU数据集。)
我使用此网络执行分段任务。然而,在我的结果中,我总是注意到预测图像中的一个固定的噪声模式:小白色交叉:Prediction results with crossing shape noise
有人可以解释这些噪点像素的含义吗?它们是图像处理中常见的噪音吗?值得注意的是,这种现象不仅出现在特定的图像中,而且出现在整个预测中。
答案 0 :(得分:3)
这些交叉形状的噪声是由我网络中的反卷积层引起的,它是通过改变反卷积层中的内核大小来解决的。
首先,我们应该了解deconvolutonal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,去卷积中的步幅有助于放大要素图的大小。
回到这个例子。假设我们有一个 32x32 的特征映射,我们希望得到大小为 256x256 的特征映射,所以我们必须使用具有
结果图片可在此处显示:result
我们可以清楚地看到,与问题所附的图片相比,交叉形噪声被消除了。