更大图像上的语义分割

如何解决更大图像上的语义分割

• 我用 120 X 120 的卫星图像输入训练了一个 U-net。

• 我需要将我的模型应用于更大的图像（尺寸 10980 X 10980）。我试图做的是将较大的图像切成 120 X120 的切片，然后对它们进行分类并将它们组合成一个新图像。

• 我的问题是：这种方法是否可行，因为我可以在下面的输出图像中看到不连续性？

PS：我看到这个问题 semantic segmentation for large images 一个用户说这是可行的，如果是的话，有什么办法可以让边框更连续？

解决方法

如果您的模型是完全卷积的，您可以轻松地将其应用于更大的图像。您唯一的限制是设备的内存大小。

如果你只能切片图像，你仍然可以避免不连续，但要考虑到你模型的receptive field：
如果您裁剪更大的作物 - 考虑到感受野的真实大小 - 并且只保留中心的“有效”输出掩码，您应该能够获得平滑且连续的掩码。