图像分割结果中的噪声

Question

我正在做一个基于深度卷积神经网络的图像分割任务。 网络结构来自这篇论文，结构如图： FCN used in image segmentation 。 该网络是基于全卷积网络和DCAN设计的。

该数据集是MICCAI 2015 Gland Segmentation Chalenge Contest的公共基准数据集（也称为Warwick-QU数据集）。

我使用这个网络来完成分割任务。 然而在我的结果中，我总是注意到一个固定的噪声模式：预测图像中的小白交叉：具有交叉形状噪声的预测结果

有人可以解释一下这些噪声像素是什么意思吗？ 它们是图像处理中的常见噪声吗？ 值得注意的是，这种现象不仅仅出现在特定的图像中，而是出现在整个预测中。

Answer 1

这些交叉形状的噪声是由我的网络中的反卷积层引起的，可以通过改变反卷积层的内核大小来解决。

首先我们应该了解反卷积层是如何工作的。 可以在此处找到清晰的说明。 我们需要记住的是，反卷积的步幅有助于扩大特征图的大小。

回到这个例子。 假设我们有一个32x32的特征图，我们想要得到大小为256x256的特征图，所以我们必须使用步长为8x8的反卷积层来进行反卷积，因此会添加很多零像素到特征图，这就是为什么会出现这些交叉形状。 为了解决这个问题，我们必须将内核大小扩大两倍。 在上面的例子中，我们需要选择一个16x16的内核，这样我们的过滤器就不会落入那些零。

结果图像可以在这里显示：结果
我们可以清楚地看到，与问题中所附的图片相比，交叉形状的噪声被去除了。

Answer 2

我也遇到了这个问题，但我发现原因是输出通道设置错误，应该是 256 而不是 1