寿光shengkun网站建设,优秀html5网站,简述什么是百度竞价排名,cms wordpress 区别一、概述
前景提取#xff08;背景去除#xff09;是现代计算机视觉的关键挑战之一#xff0c;在各种应用中的重要性与日俱增。在图像编辑和视频制作中有效地去除背景不仅能提高美学价值#xff0c;还能提高工作流程的效率。在要求精确度的领域#xff0c;如医学图像分析…一、概述
前景提取背景去除是现代计算机视觉的关键挑战之一在各种应用中的重要性与日俱增。在图像编辑和视频制作中有效地去除背景不仅能提高美学价值还能提高工作流程的效率。在要求精确度的领域如医学图像分析和自动驾驶技术中的物体识别背景去除也发挥着重要作用。主要的挑战是在高分辨率图像中捕捉小区域的精细细节同时保持大区域的精确度。迄今为止还没有一种方法能将细节再现与整体精度相结合。然而一种名为 MVANet 的新方法为这一挑战提供了创新的解决方案。
MVANet 采用的独特方法受到人类视觉的启发。正如人类从多个角度观察物体一样MVANet 也从多个角度分析物体。这种方法可以在不丢失细节的情况下提高整体精度。此外多视角的整合还可实现远距离视觉交互这是传统方法难以实现的。
市场营销、娱乐、医疗保健和安全等各行各业对背景消除技术的需求与日俱增。在网上购物中它可使产品的前景更加突出从而提高购买意愿。它对于使用虚拟背景的视频会议应用以及视频制作中绿屏的替代技术也很重要。随着所有这些应用成为焦点前景提取性能的提高将对整个行业产生重大影响。
这种新方法已经证明了它的有效性。特别是在 DIS-5K 数据集上它在精度和速度上都优于目前的 SOTAMVANet 有潜力成为前景提取任务的新标准并有望在未来获得更广泛的应用。
二、算法架构 图 1MVANet 概述。
MVANet 的整体结构与 UNet 类似如图 1 所示。编码器使用一个远景G和一个近景Lm作为输入远景和近景由 M本文中为 M4不重叠的局部斑块组成。
G 和 Lm 构成一个多视角补丁序列分批输入特征提取器生成多级特征图 Eii1,2,3,4,5。每个 Ei 包含远景和近景的表示。最高级别的特征图 E5 沿批次维度被分成两组不同的全局和局部特征并被输入多视图完成定位模块MCLM图 2-a。2-a并将其输入 MCLMMCLM图 2-a。
该解码器类似于 FPNLin et.al, 2017架构但在每个解码阶段都插入了一个即时多视图完成细化模块MCRM图 2-b。每个阶段的输出用于重建 SDO 地图只有前景的地图和计算损失。图 1 的右下方显示了多视角整合。局部特征合并后输入到 Conv Head以便与全局特征进行细化和串联。 图 2MCLM 和 MCRM 架构。
学习的损失函数
如图 1 所示解码器每一层的输出和最终预测都加入了监督。
具体来说前者由三个部分组成ll、lg 和 la分别代表细化模块中的组合局部表征、全局表征和标记注意图。每个侧输出都需要一个单独的卷积层来获得单通道预测。后者用 lf 表示。这些组件结合使用了二元交叉熵BCE损失和加权 IoU 损失这在大多数分割任务中都很常用。
最终的学习损失函数如下式所示。本文设置 λg0.3,λh0.3。 三、试验
数据集和评估指标
数据集
本文使用 DIS5K 基准数据集进行实验。该数据集包含 225 个类别的 5,470 张高分辨率图像2K、4K 或更大尺寸。数据集分为三个部分
DIS-TR3 000 幅训练图像。DIS-VD470 幅验证图像。DIS-TE2,000 张测试图像分为四个子集DIS-TE1、2、3 和 4每个子集有 500 张图像几何复杂度依次增加
DIS5K 数据集因其高分辨率图像、详细的结构和出色的注释质量比其他分割数据集更具挑战性需要先进的模型来捕捉复杂的细节。
评估指标
采用以下指标评估绩效
最大 F 值测量准确性和重复性的最大得分β² 设置为 0.3。加权 F 值与 F 值类似但已加权。结构相似性测量Sm评估预测值与真实值之间的结构相似性同时考虑领域和对象识别。电子测量用于评估像素与图像之间的匹配程度。平均绝对误差 (MAE)计算预测地图与真实值之间的平均误差。
这些指标有助于了解该模型在识别和分割 DIS5K 数据集中具有复杂结构的物体方面的性能。
实验结果
定量评估
表 1 将拟议的 MVANet 与其他 11 个著名的相关模型F3Net、GCPANet、PFNet、BSANet、ISDNet、IFA、IS-Net、FPDIS、UDUN、PGNet 和 InSPyReNet进行了比较。为进行公平比较输入大小标准化为 1024 × 1024。结果表明在所有数据集的不同指数上MVANet 都明显优于其他模型。特别是在 F、Em、Sm 和 MAE 方面MVANet 分别比 InSPyReNet 高出 2.5%、2.1%、0.5% 和 0.4%。
此外还评估了 InSPyReNet 和 MVANet 的推理速度。两者都在英伟达 RTX 3090 GPU 上进行了测试。由于采用了简单的单流设计MVANet 的推理速度达到了 4.6 FPS而 InSPyReNet 为 2.2 FPS。 表 1.DIS5K 的定量评估。
定性评估
为了直观地展示所提方法的高预测准确性我们将测试集中所选图像的输出结果可视化。如图 3 所示即使在复杂的场景中建议的方法也能准确定位物体并捕捉边缘细节。特别是建议的方法能够准确区分椅子的完整分割和每个网格的内部而其他方法则会受到明显的黄色纱布和阴影的干扰见下行。 图 3.DIS5K 中的定性评估。
四、代码测试
下载源码
git clone https://github.com/qianyu-dlut/MVANet.git
cd MVANet环境配置
conda create -n mvanet python3.8
conda activate mvanet
pip install torch1.13.1cu116 torchvision0.14.1cu116 torchaudio0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
pip install -U openmim
mim install mmcv-full1.3.17
pip install -r requirements.txt测试代码
import os
import torch
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
from torch.autograd import no_grad
from torchvision import transforms
from model.MVANet import inf_MVANet
import ttach as tta# 参数设置
model_path saved_model/Model_80.pth # 修改为你的模型路径
image_directory data/images # 修改为你的图像目录路径
output_directory datamasks # 预测结果保存路径# 图像变换
img_transform transforms.Compose([transforms.ToTensor(),transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])# 定义 TTA 变换
tta_transforms tta.Compose([tta.HorizontalFlip(),tta.Scale(scales[0.75, 1, 1.25], interpolationbilinear, align_cornersFalse),
])def load_model(model_path):net inf_MVANet().cuda()# 加载模型参数pretrained_dict torch.load(model_path, map_locationcuda)model_dict net.state_dict()pretrained_dict {k: v for k, v in pretrained_dict.items() if k in model_dict}model_dict.update(pretrained_dict)net.load_state_dict(model_dict)net.eval()return netdef predict_image(net, img_path):# 加载图像并进行预处理img Image.open(img_path).convert(RGB)w_, h_ img.sizeimg_resize img.resize([1024, 1024], Image.BILINEAR)img_var img_transform(img_resize).unsqueeze(0).cuda()# 预测结果masks []with no_grad():for transformer in tta_transforms:img_transformed transformer.augment_image(img_var)model_output net(img_transformed)deaug_mask transformer.deaugment_mask(model_output)masks.append(deaug_mask)prediction torch.mean(torch.stack(masks, dim0), dim0).sigmoid()# 将预测结果转换为图像prediction_img transforms.ToPILImage()(prediction.data.squeeze(0).cpu())prediction_img prediction_img.resize((w_, h_), Image.BILINEAR)return img, prediction_imgdef process_directory(net, image_dir, output_dir):# 创建保存目录if not os.path.exists(output_dir):os.makedirs(output_dir)# 遍历目录中的所有图像image_files [f for f in os.listdir(image_dir) if f.lower().endswith((.png, .jpg, .jpeg))]for idx, image_file in enumerate(image_files):img_path os.path.join(image_dir, image_file)print(fProcessing {idx 1}/{len(image_files)}: {img_path})# 预测并显示结果original_img, prediction_img predict_image(net, img_path)# 保存预测结果prediction_path os.path.join(output_dir, fprediction_{image_file})prediction_img.save(prediction_path)# 显示图像fig, axs plt.subplots(1, 2, figsize(10, 5))axs[0].imshow(original_img)axs[0].set_title(Original Image)axs[0].axis(off)axs[1].imshow(prediction_img, cmapgray)axs[1].set_title(Predicted Mask)axs[1].axis(off)plt.show()if __name__ __main__:# 加载模型与处理图像目录model load_model(model_path)process_directory(model, image_directory, output_directory) 五、总结
在这篇评论文章中我们将高精度前景提取背景去除建模为一个多视角物体识别问题提供了一个高效、简单的多视角聚合网络。这样做的目的是更好地平衡模型设计、准确性和推理速度。 为解决多视图的目标对准问题提出了多视图完成定位模块以联合计算目标的共同关注区域。此外提出的多视图完成细化模块被嵌入到每个解码器块中以充分整合互补的本地信息减少单视图补丁中语义的缺失。这样只需一个卷积层就能实现最终的视图细化。 广泛的实验表明所提出的方法性能良好。MVANet 有潜力成为前景提取任务的新标准并有望在未来得到更广泛的应用。
源码下载地址https://download.csdn.net/download/matt45m/90335556
