知识提要

数据集使用VOC2012
CNN 卷积神经网络Convolutional Neural Network
GPU图像处理单元=Graphic Processing Unit)图形处理器
convolution 卷积
ReLU全名Rectified Linear Unit，意思是修正线性单元
bn全称Batch Normalization批标准化
FC全连接神经网络是一种最基本的神经网络结构，英文为Full Connection

语义分割和实例分割

语义分割就是把人和动物分开，实例分割就是在此基础上把人也区分开

损失函数

预测概率为95%，说明挺好了，权值要设的比较低，比较简单
若概率为0.5，比较难，权值比较高，平方以后权值差异较大

iou计算

绿框的数值和黄框的数值加起来-801

Miou计算

IOU计算结果为左图交集的结果除以右图并集的结果
MIOU即求计算所有类别的平均值

卷积神经网络CNN

传统网络一共特征值，卷积网络三维

卷积的作用

图像颜色通道

将三个通道的结果叠加在一起


在已有卷积的基础上继续做卷积

卷积层的重要参数

步长

卷积核尺寸

一般取3X3

边缘填充

+pad1

在边界上加上一圈0，可以让边界上的数字利用率变高，且不会对最终数据产生影响

卷积核个数

卷积结果计算

卷积参数共享

每个区域用相同的核处理

池化的作用

压缩作用

整体网络架构

两次卷积一次池化

只有带参数计算的才能算一层神经网络
下图为7层

感受野的作用

Unet网络

Unet++版本

实例

预处理

此算法将一张图片中每个细胞都单独拎出来作为一个标签，预处理就是将众多的标签进行合并
开始讲解视频 https://www.bilibili.com/video/BV1zb411R7vU/?p=21&spm_id_from=pageDriver&vd_source=f991aae54cfa30efc5899b3ae41bbbed第21集开始
debug视频第23集：特征融合方法演示

train文件数据增强

使用 Albumentations 库进行数据加强
操作步骤

dataset文件

第一部通过opencv将图片读入

archs文件

查看train函数流程
在forward（）函数前面打断点，是入口地址

val文件画图

保存原始数据，分割数据，标签数据

文件运行的参数即模型的名字在哪个文件夹中
其实和训练的流程一样
model.eval()模式即验证模式，参数不发生更新

文件保存内容解读

E:\\大学文件\\Unet（没跑过）\\unet++\\models\\dsb2018_96_NestedUNet_woDS\\model.pth保留 模型文件
log文件记录
lr 学习率

数据集存放位置

E:\\大学文件\\Unet（成功）\\unet++\\inputs\\dsb2018_96\\images 存放原始图片
E:\\大学文件\\Unet（成功）\\unet++\\inputs\\dsb2018_96\\masks 存放标签图片