在 Keras 中使用Baseline U-Net 模型和图像增强通过语义分割进行烟雾检测 这个 repo 是的部分实现 此用例的主要目的是检测任何背景中的烟雾。 烟雾的来源、颜色、环境等也可能有变化。我们应该能够从语义上分割烟雾以分析它的各种特征，如颜色、强度、烟雾喷射持续时间（来自视频源）等。 master分支具有U-Net的实现，但是在不同分支中提供了使用另一种实现。 优网 U-Net 是一种卷积神经网络，是德国弗莱堡大学计算机科学系为生物医学图像分割而开发的。 该网络基于全卷积网络，其架构经过修改和扩展，可以使用更少的训练图像并产生更精确的分割。 建筑学 图片来源：德国弗赖堡大学计算机科学系 在 Kaggle Airbus 船舶检测挑战中， 使用这个模型从过滤器尺寸 8 开始，从 768x768 图像检测船舶。 但是，我已将它用于从 Google 搜索获得的“烟雾图像”并将其调

Unet：U-Net: Convolutional Networks for Biomedical Image Segmentation目标检测模型在Keras当中的实现 目录 性能情况 unet并不适合VOC此类数据集，其更适合特征少，需要浅层特征的医药数据集之类的。 训练数据集 权值文件名称 测试数据集 输入图片大小 mIOU VOC12+SBD VOC-Val12 512x512 55.74 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5 注意事项 unet_voc.h5是基于VOC拓展数据集训练的。 unet_medical.h5是使用示例的细胞分割数据集训练的。 在使用时需要注意区分。 文件下载 训练所需的unet_voc.h5和unet_medical.h5可在百度网盘中下载。 链接: 提取码: f38i VOC拓展数据集的百度网盘如下： 链