图像分割结果中的噪声

时间:2018-03-29 11:13:59

标签: python image-processing computer-vision deep-learning image-segmentation

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 NetworkDCAN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。

1 个答案:

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的deconvolutional层强> 8x8 进行反卷积,因此很多零像素被添加到特征图中,这就是为什么会出现这种交叉形状的原因。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 16x16 内核,以便我们的过滤器不会落入这些零。

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。