Open githublqs opened 2 years ago
你好,非极大抑制处理后,边缘图会变瘦,不过这属于后处理了,在matlab评估代码里有用到。如果要让算法直接生成瘦的边缘图,可以参考 Learning to Predict Crisp Boundaries, ECCV 2018.
你好,非极大抑制处理后,边缘图会变瘦,不过这属于后处理了,在matlab评估代码里有用到。如果要让算法直接生成瘦的边缘图,可以参考 Learning to Predict Crisp Boundaries, ECCV 2018.
你好,请问在哪里进行非极大值抑制?
请问您是否获取了单像素边缘?
没有
你好,非极大抑制处理后,边缘图会变瘦,不过这属于后处理了,在matlab评估代码里有用到。如果要让算法直接生成瘦的边缘图,可以参考 Learning to Predict Crisp Boundaries, ECCV 2018.
我参考了您说的论文 Learning to Predict Crisp Boundaries, ECCV 2018.对损失函数进行了改动,但是训练出来的效果并不好,边界不但没有变细,又有更多的细节突出出来了。我很疑惑是因为我的权重设置错误了吗(文献中所说权重交叉熵损失权重0.001,dice损失权重1)?
原图像
pidinet
改动后的pidinet
你好,非极大抑制处理后,边缘图会变瘦,不过这属于后处理了,在matlab评估代码里有用到。如果要让算法直接生成瘦的边缘图,可以参考 Learning to Predict Crisp Boundaries, ECCV 2018.
我参考了您说的论文 Learning to Predict Crisp Boundaries, ECCV 2018.对损失函数进行了改动,但是训练出来的效果并不好,边界不但没有变细,又有更多的细节突出出来了。我很疑惑是因为我的权重设置错误了吗(文献中所说权重交叉熵损失权重0.001,dice损失权重1)?
原图像
pidinet ![改动后的pidinet](https://user-images.githubusercontent.com/38454055/168715307-5257e106-bb5c-403e-85cd-af63915b7cca.png
你是要提取细边缘吗?
没有
您好,请问你是否解决了这个问题?
你好,非极大抑制处理后,边缘图会变瘦,不过这属于后处理了,在matlab评估代码里有用到。如果要让算法直接生成瘦的边缘图,可以参考 Learning to Predict Crisp Boundaries, ECCV 2018.
我参考了您说的论文 Learning to Predict Crisp Boundaries, ECCV 2018.对损失函数进行了改动,但是训练出来的效果并不好,边界不但没有变细,又有更多的细节突出出来了。我很疑惑是因为我的权重设置错误了吗(文献中所说权重交叉熵损失权重0.001,dice损失权重1)?
原图像
pidinet ![改动后的pidinet](https://user-images.githubusercontent.com/38454055/168715307-5257e106-bb5c-403e-85cd-af63915b7cca.png
你是要提取细边缘吗?
我之前看过一篇文献,好像可以提取细边缘,不过后面是又增强了一个网络
你好,非极大抑制处理后,边缘图会变瘦,不过这属于后处理了,在matlab评估代码里有用到。如果要让算法直接生成瘦的边缘图,可以参考 Learning to Predict Crisp Boundaries, ECCV 2018.
我参考了您说的论文 Learning to Predict Crisp Boundaries, ECCV 2018.对损失函数进行了改动,但是训练出来的效果并不好,边界不但没有变细,又有更多的细节突出出来了。我很疑惑是因为我的权重设置错误了吗(文献中所说权重交叉熵损失权重0.001,dice损失权重1)?
原图像
pidinet ![改动后的pidinet](https://user-images.githubusercontent.com/38454055/168715307-5257e106-bb5c-403e-85cd-af63915b7cca.png
你是要提取细边缘吗?
我之前看过一篇文献,好像可以提取细边缘,不过后面是又增强了一个网络
我是打算提取细边缘,您对于我上面出现的问题,有什么解决方法吗?
你好,非极大抑制处理后,边缘图会变瘦,不过这属于后处理了,在matlab评估代码里有用到。如果要让算法直接生成瘦的边缘图,可以参考 Learning to Predict Crisp Boundaries, ECCV 2018.
我参考了您说的论文 Learning to Predict Crisp Boundaries, ECCV 2018.对损失函数进行了改动,但是训练出来的效果并不好,边界不但没有变细,又有更多的细节突出出来了。我很疑惑是因为我的权重设置错误了吗(文献中所说权重交叉熵损失权重0.001,dice损失权重1)?
原图像
pidinet ![改动后的pidinet](https://user-images.githubusercontent.com/38454055/168715307-5257e106-bb5c-403e-85cd-af63915b7cca.png
你是要提取细边缘吗?
我之前看过一篇文献,好像可以提取细边缘,不过后面是又增强了一个网络
我是打算提取细边缘,您对于我上面出现的问题,有什么解决方法吗?
请问您现在解决如何提取细边缘的问题了吗?
这是来自QQ邮箱的假期自动回复邮件。你好,我最近正在休假中,无法亲自回复你的邮件。我将在假期结束后,尽快给你回复。
最近看到了ImageJ的脊检测插件 https://imagej.net/plugins/ridge-detection 不知道作为后处理的效果会怎样,差不都的参数,halcon的效果似乎要好一些
你好,请问pidinet输出的边缘图,用什么方法可以变成类似canny的单像素边缘?就像halcon里的深度学习边缘检测算法这样:![image](https://user-images.githubusercontent.com/4864431/154501937-83ae528d-85c8-4371-93c5-e8e5bc0c9282.png)