文件名称：unet:通用U-Net Tensorflow 2实现的语义分段
文件大小：5.94MB
文件格式：ZIP
更新时间：2024-06-14 02:40:53
deep-learning tensorflow semantic-segmentation keras-tensorflow JupyterNotebook
Tensorflow Unet 这是提出的通用U-Net实现 用Tensorflow 2开发。 该项目是对原始的重新实现。 最初，该代码是开发的，并用于。 可以训练网络对任意成像数据执行图像分割。 请查看“部分，随附的或上的玩具问题，或者查看上的Oxford Oxford Pet Segmentation示例。 该代码未绑定到特定的细分，因此可以将其用于玩具问题中以检测嘈杂图像中的圆圈。 应用于更复杂的应用，例如在射电天文中检测射频干扰（RFI）。 或在宽视场成像数据中检测星系和恒星。 U-Net的体系结构元素包括收缩和扩展路径： 当您使用unet进行激动人心的发现时，请引用描述包装的文件： @article{akeret2017radio, title={Radio frequency interference mitigation using deep conv
【文件预览】：
unet-master
----setup.py(568B)
----.gitignore(509B)
----src()
--------unet()
--------__init__.py(0B)
----.travis.yml(164B)
----Pipfile.lock(85KB)
----setup.cfg(3KB)
----LICENSE.txt(34KB)
----notebooks()
--------circles.ipynb(304KB)
--------oxford_pets.ipynb(8.84MB)
----scripts()
--------circles.py(2KB)
--------oxford_iiit_pet.py(2KB)
----README.rst(3KB)
----tests()
--------conftest.py(225B)
--------test_trainer.py(3KB)
--------test_schedulers.py(734B)
--------test_utils.py(411B)
--------test_unet.py(6KB)
----Pipfile(347B)
----.coveragerc(587B)
----AUTHORS.rst(514B)
----CONTRIBUTING.rst(1KB)
----CHANGELOG.rst(128B)
----docs()
--------api()
--------toy_problem.png(183KB)
--------requirements.txt(32B)
--------Makefile(7KB)
--------index.rst(217B)
--------conf.py(9KB)
--------galaxies.png(1.08MB)
--------_static()
--------authors.rst(41B)
--------installation.rst(220B)
--------changelog.rst(43B)
--------license.rst(67B)
--------usage.rst(1KB)
--------rfi.png(1.16MB)
--------contributing.rst(32B)
--------unet.png(45KB)