文件名称：数据融合matlab代码-BRRF:边界和区域表示融合
文件大小：34KB
文件格式：ZIP
更新时间：2024-06-11 05:30:03
系统开源
数据融合matlab代码通过学习的区域表示法增强通用细分 该存储库是RepNet学习和边界以及区域表示融合的实现，如论文“用学习的区域表示增强通用细分”所述。 作者：Or Isaacs *，Oran Shayer *，Michael Lindenbaum （*-均分） RepNet 工作的第一部分是表示学习算法。 入门 使用RepNet的指南： 创建训练和评估集： 为您的数据集设置一个文件夹。 具有一个名为“ trainval_images”的文件夹，该文件夹用于保存您的trainval图像；一个名为“ trainval_GT”的文件夹，用于以与BSDS500中相同的方式进行分段。 对于要为其生成表示的图像，请创建一个名为“ all_images”的文件夹并将其放入其中。 将createDataSet.m复制到该文件夹并运行。 您将获得trainval中段总数的输出。 在resnet50_input.py中，更改NUM_CLASSES放入段的总数。 还要将NUM_EXAMPLES_PER_EPOCH_FOR_TRAIN设置为trainval大小。 还要将“ bsds_mean”的值
【文件预览】：
BRRF-master
----.gitignore(7B)
----LICENSE(7KB)
----README.md(4KB)
----RepNet()
--------resnet50_multi_gpu_train.py(10KB)
--------requirements.txt(64B)
--------resnet50_eval.py(5KB)
--------resnet50_input.py(13KB)
--------readme.md(2KB)
--------resnet50.py(12KB)
--------createDataSet.m(3KB)
----BRRF()
--------VectorData.py(4KB)
--------requirements.txt(143B)
--------testSegResFb.m(1013B)
--------RemoveSmallSegs.py(3KB)
--------trainModel.py(3KB)
--------generateExamples.py(4KB)
--------SegmentImage.py(8KB)
--------readme.md(2KB)
--------main.py(6KB)
--------SegData.py(2KB)
--------testSegRes.m(923B)
--------auxilaryFunc.py(7KB)