UI2CODE复杂背景无法识别？闲鱼工程师这样打造高准确率方案( 六 )

2019-07-10

网络训练流程图

针对业务场景对GAN网络做的改进

1.由于我们不是超分辨率场景，因此不用pixelShuffler模块做上采样

2.由于场景比较复杂，可以引入denseNet和加深网络来提高准确率。

3.内容损失函数对于压制误判的噪点效果不理想，因此加大了误判的惩罚，具体如下图所示：

预测获取的结果图I:

预测获取的结果图II:

结束语

本篇我们通过复杂背景内容提取的介绍，提出了一种机器学习为主，图像处理为辅去精确获取特定前景内容的方法，得到了高精确率、高召回率和高定位精度的识别结果。下图分别是传统算法grabcut ，语义分割方法deeplab和本文方法的各个指标的情况。

推荐阅读

上一篇：小米电视创新低，699元起！网友：小户型和卧室电视首选

下一篇：今年5月底，华为手机全球出货量超1亿台！