哪种类型的CNN适合水下图像处理？

Question

主要目标（我分配的工作）是使用卷积神经网络对水下图像进行图像分割。由于严重的噪音和不良的曝光，从水下结构拍摄的相机图像的图像质量较差。为了获得更高的分类精度，我想对图像进行自动图像增强（请参见附件）。因此，我想知道，哪种CNN架构最适合完成这两项任务。请提出实现目标的任何可行解决方案。

See the image attached for reference

Answer 1

您需要细分什么？我会很好，所以请查看细分的一些标签。

您可能不需要增强图像，如果所有数据集都具有相同的噪声量，则网络将正确地泛化。

关于CNN架构，这取决于您对处理能力和准确性的约束。如果这不是约束，可以使用MaskRCNN之类的东西，请检查该回购是否是一个好的起点，一些结果如下所示： 请注意，这有点复杂，因此推理时间可能会太长（但取决于您的GPU，它可以实时进行）。

其他简单架构是FCN（完全卷积网络），基本上是您的CNN，而不是完全连接的层：

用“完全卷积层”替换：

from HERE拍摄的图像。

这种FCN的优点在于它们非常易于实现和修改，因为您可以使用简单的体系结构（FCN-Alexnet），也可以使用更复杂，更准确的体系结构（FCN-VGG，FCN-Resnet）。

此外，我认为您不会提到框架，有很多选择，这取决于您对语言的熟悉程度，其中大多数可以使用python来完成：

• TensorFlow
• Pytorch
• MXNet

但是，如果您是初学者，请尝试从基于GUI的GUI开始，Nvidia Digits是一个很好的起点，并且确实易于配置，它基于Caffe，因此部署时速度相当快，并且可以轻松地与之集成TensorRT等加速器。