一个输入图像和标签如何用神经网络进行语义实例分割？
How does one input images and labels for Semantic Instance Segmentation with neural networks?
所以我知道对于标准的卷积神经网络，您可以为神经网络 (NN) 提供一个带有标签列表的文件，或者简单地按文件夹分隔您的 类 但例如分割，我想它是不同的吧？
例如，使用像 labelme2 这样的网站，您可以对图像进行注释和分割，然后将它们与遮罩文件和 XML 标签文件一起下载。是否需要随后将原始图像、掩码图像和 XML 文件输入到实例分割 NN 中？
提前致谢。
您需要以能够将其用于预测的方式训练您的神经网络。
如果你只想从图像中预测 classes，那么你想要发送给你的 NN 的只是
- 原始图像（可能是色彩平衡的）和
- 从 XML 预测 classes（将其转换为 1 热 class 编码）
如果你也想预测掩码，那么发送
- 原始图像（可能是色彩平衡的）和
- 从 XML 预测掩码和 classes（将其转换为 1 热 class 编码）
上述目标（仅 classes，或 classes+mask 预测）决定存储 classes 或 classes+mask .
所以我知道对于标准的卷积神经网络，您可以为神经网络 (NN) 提供一个带有标签列表的文件，或者简单地按文件夹分隔您的 类 但例如分割，我想它是不同的吧？
例如，使用像 labelme2 这样的网站，您可以对图像进行注释和分割，然后将它们与遮罩文件和 XML 标签文件一起下载。是否需要随后将原始图像、掩码图像和 XML 文件输入到实例分割 NN 中？
提前致谢。
您需要以能够将其用于预测的方式训练您的神经网络。
如果你只想从图像中预测 classes，那么你想要发送给你的 NN 的只是
- 原始图像（可能是色彩平衡的）和
- 从 XML 预测 classes（将其转换为 1 热 class 编码）
如果你也想预测掩码，那么发送
- 原始图像（可能是色彩平衡的）和
- 从 XML 预测掩码和 classes（将其转换为 1 热 class 编码）
上述目标（仅 classes，或 classes+mask 预测）决定存储 classes 或 classes+mask .