Spuštění sémantické segmentace

Skvělá práce při návrhu U-Netu! K dispozici máš již předtrénovaný model, který je velmi podobný tomu, který jsi právě sestavil/a. Tento model byl natrénován na velké sadě obrázků a obsahuje několik drobných rozšíření architektury, například vrstvy batch norm.

Model lze vytvořit jako UNet(), čímž se automaticky načtou předtrénované váhy. Tvým úkolem je použít ho k vytvoření segmentačních masek pro následující obrázek auta.

car image

Image z knihovny PIL je již naimportována.

Toto cvičení je součástí kurzu

Deep Learning pro obrázky s PyTorchem

Zobrazit kurz

Pokyny k cvičení

Vytvoř instanci UNet() a ulož ji do proměnné model.
Načti obrázek ze souboru car.jpg do proměnné image.
Vytvoř segmentační masky tak, že obrázek předáš modelu a na výstup aplikuješ squeeze(0).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Load model
model = ____
model.eval()

# Load and transform image
image = ____
transform = transforms.Compose([transforms.ToTensor()])
image_tensor = transform(image).unsqueeze(0)

# Predict segmentation mask
with torch.no_grad():
    prediction = ____

# Display mask
plt.imshow(prediction[1, :, :])
plt.show()

Upravit a spustit kód