如何在 Keras 中使用 CNN 处理马萨诸塞州道路数据集？

Posted 2023-02-23

【中文标题】如何在 Keras 中使用 CNN 处理马萨诸塞州道路数据集？

【英文标题】：How to tackle the Massachusetts roads dataset using CNN in Keras?

【发布时间】：2018-08-27 00:38:18

【问题描述】：

![样本训练输入]http://www.cs.toronto.edu/~vmnih/data/mass_roads/train/sat/10078660_15.tiff

![样本训练输出] http://www.cs.toronto.edu/~vmnih/data/mass_roads/train/map/10078660_15.tif

我是 CNN 的初学者，曾使用过 MNIST 数据集，我们在其中输入 28x28x3 图像并输出一个 10x1 向量，其中包含 10 个类别（0、1、2、3---、9）的概率。 我们如何从输入图像中仅提取道路像素并显示它们，如输出图像所表示的那样？

【参考方案1】：

这个问题是一个二元分割问题。从某种意义上说，您从卫星图像中学习映射并预测每个像素，如果该像素是道路的一部分。一个简单的算法是检查像素颜色是否在某个范围内。

CNN 自然会根据所述像素的局部邻域为您学习更复杂的函数。一个让你开始的回购应该是这个：https://github.com/jocicmarko/ultrasound-nerve-segmentation。其中，他们使用类似的算法来使用 CNN 分割超声图像。您只需使用 3 个输入通道而不是 1 个，其他一切都应该非常相似。

【讨论】：

每张卫星图的尺寸为(1500,1500,3)[这里,3 = no.通道]。因此它会导致内存错误。我该如何处理？

我会建议三种方法中的一种。要么使用具有大步幅的大型初始过滤器（例如，具有 4x4 步幅的 7x7 过滤器），先对图像进行下采样，然后运行算法，或者在不同部分运行算法，然后将图像拼接在一起。