什么类型的细胞神经网络适用于水下图像处理？

Question

主要目标(我指定的工作)是使用卷积神经网络对水下图像进行图像分割。从水下结构拍摄的相机将由于严重的噪声和糟糕的光线曝光而具有较差的图像质量。为了达到更高的分类精度，我想对图像进行自动图像增强(见附件)。所以，我想知道，哪种CNN架构最适合同时完成这两项任务。请提出任何可能的解决方案来实现这一目标。

​

​

Answer 1

你需要细分什么？我会很高兴看到一些分段的标签。

您可能不需要增强图像，如果所有数据集都具有相同的噪声量，则网络将正确泛化。

关于CNN架构，这取决于您在处理能力和准确性方面的限制。如果这不是像MaskRCNN这样受约束go，请检查repo作为一个很好的起点，一些结果如下所示：

请注意，这是一个有点复杂的架构，因此推断时间可能会有点太长(但它是可以做到的，这取决于您的gpu)。

其他简单的架构是FCN (完全卷积网络)，它基本上是你的CNN，而不是完全连接的层：

​

您可以将替换为完全卷积层：

​

图片拍摄于from HERE。

这种FCN的优点是它们非常容易实现和修改，因为你可以使用简单的架构(FCN-Alexnet)，到更复杂和更精确的架构(FCN-VGG，FCN-Resnet)。

此外，我认为你没有提到框架，有很多可供选择的，这取决于你对语言的熟悉程度，其中大多数你可以用python完成：

• TensorFlow
• Pytorch
• MXNet

但是如果你是一个初学者，试着从基于图形用户界面的Nvidia Digits开始，它是一个很好的起点，并且非常容易配置，它是基于咖啡因的，所以它在部署时相当快，并且可以很容易地与TensorRT这样的加速器集成。