u-net实现语义分割、keras框架、python 10个类别+1类背景信息、m2nist数据集 训练样本： train_x（4900，64，84） train_y（4900，64，84，11）

keras语义分割FCN实现 FCN32 unet segnet实现 代码已经跑通，现在把源码分享，h5文件太大了，只能单独上传了，后续需要把h5文件加到对应的地方就可以运行啦，py36版本

语义分割公开数据集，其中train因为太大，被分成train1和train2两个部分。具体描述请参考 https://blog.csdn.net/avideointerfaces/article/details/104139298?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522160147267619195246621825%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=160147267619195246

图像分割的高性能模型unet 的进化再进化版本！ unet经过无数学者的“摧残”后，得到了很多个版本，并且性能总体上得到了可观的提升。 该压缩包里包括unet3+的原文论文与中文机翻，有需要的可以自行下载。

医学图像之肝脏语义分割 最近在学习unet框架，看到了一篇博客 https://blog.csdn.net/u014453898/article/details/103000667 找到了代码和数据集。调了几天终于调通了。 下面将调试中遇到的问题说一下。和大家分享一下，也非谢谢这位博主的分享文章。 第一个问题：数据集 在这篇博客中，数据集已经给了，只需要在百度盘下载即可。 训练集由400个图像和400个label组成 验证集由20个图像和20个label组成 第二个问题：代码 这篇博客给的链接中只有数据集没有代码，因此我逐一复制了一下。 这是这个工程的文件，分成四个部分 一·unet结构

一个语义分割网络deeplabv3plus在cityscapes数据集上的预训练模型，最好的效果。.ph文件

Unet通常应用到单类别的语义分割，经过调整后该代码适合于多类别的语义分割。对应博客：https://blog.csdn.net/brf_UCAS/article/details/112383722

用labelme标注图片的时候只能进行一张图片的转换，将此代码放入E:\anaconda\Lib\site-packages\labelme\cli（conda安装目录下labelme的文件夹）替换掉原始的json_to_dataset.py 在想要得到转换后文件的文件夹中打开命令行输入labelme_json_to_dataset C:/Users/llin/Desktop/tomato/FCN（后面是自己的json文件存放的位置路径）

Pytorch实战4：(win10 +ubuntu)对抗语义分割源码调试《Adversarial Learning for Semi-supervised Semantic Segmentation》-附件资源

针对传统裂缝图像分割方法不能准确提取混凝土表面裂缝的难题,提出了一种改进的轻量级全局卷积网络的路面裂缝图像分割模型。根据深度卷积网络原理,使用大卷积核对裂缝图像进行分类和定位,针对裂缝特征构建轻量级的语义分割MobileNetv2-GCN模型。实验对比结果表明,该模型在三个公开裂缝数据集上都表现出优越的性能。采用中轴骨架算法提取语义分割后的裂缝骨架,计算裂缝平均宽度的物理值,其实验结果具有较高的准确性,可为公路健康检测提供可靠的数据支持。