浅谈语义分割任务如何给像素点上色

通常解码器最终输出都会是(batch_size ,num_classes, h, w)

num_classes对应任务的类别数

所以在预测任务中，数据经过模型得到预测结果，形状也是

(batch_size ,num_classes, h, w)的Tensor列表，元素都是预测概率

seg_pred = net(x) #

1.创建画布，设置每个类别的颜色（我这里是4个，背景不算，因为不需上色）

    img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)    lane_img = np.zeros_like(img)  # 创建画布    color = np.array([[255, 125, 0], [0, 255, 0], [0, 0, 255], [0, 255, 255]], dtype='uint8')   

2. 返回最大概率的通道数，通道1对应类别1， 类推。（开头说了，语义分割解码器n个channel对应n个类别

# 返回预测概率数组中最大值的索引-------axis=0，返回概率值大的属于哪一个通道。对应语义分割的类别。

shape是(h,w） 一共有h组列表， 每个列表有w个元素。 代表从上到下，每一行像素点的分类都给出来了

coord_mask = np.argmax(seg_pred, axis=0)

3.上色

or i in range(0, num_classes-1): #不算背景           lane_img[coord_mask == (i + 1)] = color[i]  # 给像素点上色-----例如    img = cv2.addWeighted(src1=lane_img, alpha=0.8, src2=img, beta=1., gamma=0.)