在添加檢測的三維重建中，獲取連續性圖片區域是一個提高三維重建效果的重要方法。不管在稠密重建和稀疏重建，對特定的目標區域添加UV圖，并可以對特定區域內的稀疏或者稠密點云深度進行優化。

當然，使用較為傳統的方法，作為一個耗時的工程，通過激光器掃描的稠密表面點云，然后經過圖片傳統經驗方法進行分割貼圖，是一個效果更好的方法。但在此不做討論，只討論使用單一方法提高三維重建的 可視化效果。

FCN-DeepLab中的MASK獲得

嚴格地說，FCN系列目的并非形成Mask，而是基于分割的思路，而Mask是基于目標檢測的思路。基于FCN的DeepLab框架添加了CRF模型，進行分割優化，成為分割效果較好的一個經典框架。

參考：可視化并獲取fcn的中間結果; FCN生成的高層特征Map，Map的每一個像素對每個類別都有一個概率描述，即每一個類別都有一個圖片大

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的三维重建13X-2：FCN和MaskRCNN中Mask的获取的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。