ENet

[Smorodov 578]

Да здесь вначале разбивается на суперпиксели, затем graph cut. Ну если больше областей, тогда наверное сетка нужна, graph cut можно инициализировать результатами  с сетки для уточнения границ областей, хотя это может быть тяжеловато для мобильного девайса.

[maxfashko 5]

1 час назад, Smorodov сказал:

Да здесь вначале разбивается на суперпиксели, затем graph cut. Ну если больше областей, тогда наверное сетка нужна, graph cut можно инициализировать результатами  с сетки для уточнения границ областей, хотя это может быть тяжеловато для мобильного девайса.

Кстати, насчет областей. на данный момент у меня всего два класса на изображениях. В будущем я захочу добавить к примеру воду, леса и т.д. Придется выкидывать тренировочную выборку, которая используется сейчас? Так как на данных изображениях могут быть: вода, лес, дома. Они будут вносить ошибку? Или есть способ использовать в последующем данную выборку совместно с расширенной (многоклассово-размеченной)

[Smorodov 578]

Я думаю, правильно будет обучить сеть заново, на полностью размеченной выборке, просто потому что она будет учитывать контекст. Можно конечно вначале запускать сегментацию небо/земля, а затем все остальное, но будет просто дольше, а результат это не факт что изменит в лучшую сторону.

[BeS 53]

7 hours ago, maxfashko said:

Расскажите подробнее пожалуйста об этом.

Зная угол крена БПЛА (IMU по идее должен уметь его давать), можно просто довернуть картинку так, чтобы крен стал нулевым и запускать сегментацию на выровненой картинке.

[maxfashko 5]

9 часов назад, BeS сказал:

Зная угол крена БПЛА (IMU по идее должен уметь его давать), можно просто довернуть картинку так, чтобы крен стал нулевым и запускать сегментацию на выровненой картинке.

Самое смешное, что мне необходимо не брать в учет показания датчиков, а выстраивать свои показания, опираясь только на картинку