UNET预测
UNET prediction
我使用 unet 进行图像分割我的问题是下面的代码是什么意思
test_img_norm=test_img[:,:,0][:,:,None]
和
prediction_other = (model.predict(test_img_other_input)[0,:,:,0] > 0.2).astype(np.uint8)
关于第一个问题test_img_norm=test_img[:,:,0][:,:,None]，test_img[:,:,0]将复制图像的第一个通道，test_img[:,:,0][:,:,None]将向其添加一个通道。例如，如果您有一个形状为 (256, 256, 3) 的图像，test_img_norm 形状将为 (256, 256, 1).
关于问题的第二部分，model.predict(test_img_other_input)[0,:,:,0] > 0.2 会给你一个布尔数组。对于 UNet 输出中的每个元素，如果元素小于 0.2，则输出为 True，否则为 False。最后 .astype(np.uint8) 使布尔值变为零或一。
我使用 unet 进行图像分割我的问题是下面的代码是什么意思
test_img_norm=test_img[:,:,0][:,:,None]
和
prediction_other = (model.predict(test_img_other_input)[0,:,:,0] > 0.2).astype(np.uint8)
关于第一个问题test_img_norm=test_img[:,:,0][:,:,None]，test_img[:,:,0]将复制图像的第一个通道，test_img[:,:,0][:,:,None]将向其添加一个通道。例如，如果您有一个形状为 (256, 256, 3) 的图像，test_img_norm 形状将为 (256, 256, 1).
关于问题的第二部分，model.predict(test_img_other_input)[0,:,:,0] > 0.2 会给你一个布尔数组。对于 UNet 输出中的每个元素，如果元素小于 0.2，则输出为 True，否则为 False。最后 .astype(np.uint8) 使布尔值变为零或一。