二维图像的地形高度预测
Topography height prediction from 2D image
我想用相应的像素高度地形信息训练二维图像。我有一堆从地形中拍摄的二维图像，其中每个像素的高度也是已知的。有什么方法可以使用深度学习来训练具有高度像素信息的图像吗？
我已经尝试从图像和像素高度中推断出一些特征，并通过回归方法（如支持向量机）将它们关联起来，但是对于预测新的图像像素高度特征，我还没有得到令人满意的结果。
如何使用像素高度值作为标签，并将图像（我假设是 RGB，所以有 3 个通道）作为训练集。然后你就可以 运行 监督学习了。虽然我不确定如何仅通过查看图像来恢复身高，但即使是人类在看过很多图像后也很难做到这一点。我认为您需要某种参考点。
将图像转换为 3D 值数组（第 3 维是颜色通道）：
from keras.preprocessing import image
# loads RGB image as PIL.Image.Image type
img = image.load_img(img_file_path, target_size=(120, 120))
# convert PIL.Image.Image type to 3D tensor with shape (120, 120, 3)
x = image.img_to_array(img)
还有许多其他方法：Convert an image to 2D array in python
在为图像分配标签方面（这里的标签是像素高度），就像创建训练集一样简单 x_train (nb_images, 120, 120, 3) 和标签 y_train (nb_images, 120, 120, 1) 和 运行 对这些进行监督学习，直到对于 x_train 中的每个图像，模型可以预测高度中的每个对应值设置y_train在一定错误范围内。
我想用相应的像素高度地形信息训练二维图像。我有一堆从地形中拍摄的二维图像，其中每个像素的高度也是已知的。有什么方法可以使用深度学习来训练具有高度像素信息的图像吗？
我已经尝试从图像和像素高度中推断出一些特征，并通过回归方法（如支持向量机）将它们关联起来，但是对于预测新的图像像素高度特征，我还没有得到令人满意的结果。
如何使用像素高度值作为标签，并将图像（我假设是 RGB，所以有 3 个通道）作为训练集。然后你就可以 运行 监督学习了。虽然我不确定如何仅通过查看图像来恢复身高，但即使是人类在看过很多图像后也很难做到这一点。我认为您需要某种参考点。
将图像转换为 3D 值数组（第 3 维是颜色通道）：
from keras.preprocessing import image
# loads RGB image as PIL.Image.Image type
img = image.load_img(img_file_path, target_size=(120, 120))
# convert PIL.Image.Image type to 3D tensor with shape (120, 120, 3)
x = image.img_to_array(img)
还有许多其他方法：Convert an image to 2D array in python
在为图像分配标签方面（这里的标签是像素高度），就像创建训练集一样简单 x_train (nb_images, 120, 120, 3) 和标签 y_train (nb_images, 120, 120, 1) 和 运行 对这些进行监督学习，直到对于 x_train 中的每个图像，模型可以预测高度中的每个对应值设置y_train在一定错误范围内。