Предполагаемый результат для приложения: входное изображение представляет собой медицинское изображение, а выходное изображение - изображение с выделенными положительными областями с общим положительным / отрицательным показателем с доверительной вероятностью.
Похоже, когда вы говорите выделение положительных регионов, вы имеете в виду, что хотите выделить регион, показывающий конкретное заболевание, обнаруженное классификационной моделью. Если вы это имеете в виду, я не верю, что существует простой способ объединить эти две модели описанным вами способом, насколько мне известно.
Проблема с приложением сегментации мне нужно изменить приложение сегментации с непрерывного видео на отдельные изображения и характеристики ввода модели. Я не знаю, есть ли простой способ сделать это.
Переход от обработки видео в реальном времени к обработке одного изображения должен быть довольно тривиальным. Вторую часть, входные характеристики модели, было бы нетривиально изменить по ряду причин.
1) Модель сегментации изображения (Deeplab) ожидает изображения в качестве входных данных. Мы не можем внезапно изменить входной формат и надеяться, что он волшебным образом сработает.
2) Известно, что модели классификации изображений на основе CNN трудны для понимания людьми. Он просто дает вам ярлык и уверенность, но основан на всем изображении. Вывод не содержит никакой информации о том, какие области изображения больше всего повлияли на конкретную пару (метка, достоверность). Итак, если бы мы могли каким-то образом изменить модель сегментации для получения дополнительной информации, модель классификации изображений не дала бы такой полезной информации.
Вместо этого я бы предложил поискать некоторые исследовательские работы по этому topi c и посмотрите, сможете ли вы реализовать эти идеи. Мой быстрый поиск дал мне, например, эту статью . И должно быть гораздо больше работ по классификации / сегментации медицинских изображений, в которых у меня нет знаний в предметной области, чтобы помочь вам в дальнейшем.