基于deeplabv3plus网络实现了虹膜图像分割以及水果图像分割
原理
deeplabv3+包含三部分backbone、ASPP以及Decoder三部分。backbone获取一个低层次特征和一个高层次特征，然后将高层次特征输入到ASPP得到多尺度特征，再对多尺度特征上采样与低层次特征融合得到包含语义特征和细粒度特征的融合特征，最后对融合特征上采样，得到mask。
虹膜图像分割相关数据集
https://github.com/xiamenwcy/IrisParseNet
水果图像分割相关数据集
https://github.com/Horea94/Fruit-Images-Dataset
基于deeplabv3plus网络实现了虹膜图像分割以及水果图像分割python源码+运行说明.zip
版权申诉
101 浏览量
2024-05-12
10:29:32
上传
评论
收藏 2.31MB ZIP 举报
基于deeplabv3plus网络实现了虹膜图像分割以及水果图像分割python源码+项目说明.zip （66个子文件） 
基于deeplabv3plus网络实现了虹膜图像分割以及水果图像分割python源码 
demo_fruit.py 4KB demo_voc.py 4KB doc deeplab_resnet.py 11KB
results.png 509KB deeplab_xception.py 16KB mypath.py 768B train_fruit_seg.sh 272B demo_iris.py 4KB utils loss.py 2KB metrics.py 2KB calculate_weights.py 985B summaries.py 1KB lr_scheduler.py 3KB saver.py 2KB dataloaders utils.py 3KB __init__.py 3KB custom_transforms.py 5KB datasets __init__.py 0B combine_dbs.py 3KB get_mean_std.py 3KB iris_seg.py 3KB coco.py 6KB fruit_seg.py 4KB convert_to_uint8.py 499B pascal.py 4KB sbd.py 4KB cityscapes.py 5KB read_label_img.py 331B
使用说明.txt 606B train_voc.sh 225B .gitignore 1KB images fruit kiwifruit.png 122KB mango.png 206KB apple.png 178KB lemon.png 74KB pear.png 182KB fruit_result 
miou.jpg 13KB result2.png 243KB acc.jpg 11KB train_loss.jpg 16KB result1.png 236KB deeplabv3plus.jpg 55KB iris_result miou.jpg 14KB acc.jpg 12KB result.jpg 47KB train_loss.jpg 13KB iris S4090L17_03324.JPEG 147KB S4090L08_03315.JPEG 103KB S4099R09_03665.JPEG 134KB train.py 13KB train_coco.sh 224B modeling __init__.py 0B sync_batchnorm __init__.py 447B comm.py 4KB batchnorm.py 13KB unittest.py 834B replicate.py 3KB backbone __init__.py 514B drn.py 14KB xception.py 11KB resnet.py 6KB mobilenet.py 5KB decoder.py 2KB deeplab.py 3KB aspp.py 4KB train_iris_seg.sh 293B资源评论
