将2D（类数，像素数）输出的图像分割模型重塑为3D通道最后一张图像的正确方法是什么

Question

我正在使用keras和python进行卫星图像分割。 据我了解，要获得图像分割的（像素级）预测，模型会将尺寸（-1，num_classes，height，width）的图层重塑为（-1，num_classes，height * width）的形状，然后再应用激活功能，例如softmax或Sigmoid。 我的问题是在此步骤后以通道优先或通道末尾的格式恢复图像？ 示例代码

o = (Reshape((  num_classes , outputHeight*outputWidth)))(o)
o = (Permute((2, 1)))(o)
o = (Activation('softmax'))(o)

我试图在最后添加以下图层到模型

o = (Reshape((outputHeight, outputWidth, num_classes)))(o)

这个对吗？ 这会以与原始顺序相同的顺序重新定向图像像素吗？ 另一种选择是在单个图像上使用以下代码。

array.reshape(height, width, num_classes)

我应该使用哪种方法来获得像素级分割结果？

Answer 1

不，如果你有兴趣的图像分割， 不应该压平，然后重塑你的张量。 而是使用完全卷积模型，例如U-Net 。 您可以在github上找到很多示例实现，例如， 这里