新年秒以上。
昔SVC、達成する方法を用いた画像セグメンテーションを行うための方法を総括したかったが、何の要約がなかった、私たちは今日も振り返ります。
まず、について教えてください。さまざまなカテゴリに係る画素画像分割により、出力画素の画素レベルの分類に属し、実際には、今日の画像分割を要約します。この従来の画像分類この画像の（例えば、ネコおよびイヌのような分類）分類は同じではありません。
画像セグメンテーションのためので、主に以下の手順で：
1図は、最終的な分類に割り当てる値に最初の色（10進数）を挿入しました。
=色[ ' ＃000000 '、' ＃1 FFFF00 '、' ＃1CE6FF ' ] ＃の進カラーバー分類
2.次のように、入力データは、サンプル点はRGB成分値であるべきで、列は、線、軸= 0を重畳することにより、最終的にすべてのタグデータをCONCATENATEを重ね合わせ、そして：
lake_RGB = np.array（ [ 134,116,78]、[133,112,76]、[132,111,78]、[126,114,78]、[131,112,77 ]、 [ 133,115,78]、[134,113,77]、[ 131,111,78]、[133,111,79]、[130,111,76 ]] ）
RGB_arr = np.concatenate（（lake_RGB、grass_RGB、land_RGB）、軸= 0）
このような点を対応0000111112222順次重畳行として3タグラベル生産、。
4.モデルが訓練された後、どのように予測画像それ？まず、撮影した写真は、（COLS *行、バンド）のデータ形式に再構築します。直接出力予測]タブ、その後、リシェイプ（行、colsの、バンド）の後に、写真の形でランクを取得します。これが出力されます。
5.最后plt.imshow（予測）、plt.show（）、plt.imsave（）
ここで注（plt.imshow）表示形式を処理するだけのデータであったとplt.show（）データの可視化、表示画像。その後、画像を保存するために（）をplt.imsave。
CNNは、プロジェクトの実現をネットワークを構築するためにpytorchを使用することを学ぶ、リモートセンシング画像のセグメンテーションの研究の未来になります。
同様に、混合要素は非常に興味深い方向要素であるPPI純度指標分解法、セグメント要素の存在量計算を抽出するステップを終了するように、個体は、この教師なし分類方法も非常に面白いと感じます。
また、新しい年、願っていGDAL、Pytorch、IDL、C ++を首尾よくそれを学ぶことができます！
2020年1月1日