Segmentation avec Mask R-CNN pré-entraîné

Dans cet exercice, vous utiliserez le modèle Mask R-CNN pré-entraîné pour effectuer une segmentation d'instances sur l'image suivante représentant deux chats.

image de deux chats

Le modèle que vous utiliserez a été pré-entraîné sur le jeu de données COCO, qui contient des images d'objets courants, y compris des animaux. Grâce à cela, le modèle devrait être capable de reconnaître les chats dès sa mise en service, sans qu'il soit nécessaire de l'ajuster.

Votre tâche consiste à charger le modèle et les deux images de chats, à préparer l'image et à la transmettre au modèle afin d'obtenir les prédictions. Les fichiers Image provenant de PIL, torch, transforms provenant de torchvision et maskrcnn_resnet50_fpn ont été importés pour vous.

Cet exercice fait partie du cours

Deep learning pour les images avec PyTorch

Afficher le cours

Instructions

Veuillez charger le modèle Mask R-CNN de l'pretrained sur model en utilisant le lien suivant : maskrcnn_resnet50_fpn().
Transformez l'image des deux chats en un tenseur et décompressez-le.
Effectuez l'inférence en transmettant l'image au modèle et attribuez le résultat à l'prediction.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Load a pre-trained Mask R-CNN model
model = ____(____)
model.eval()

# Load an image and convert to a tensor
image = Image.open("two_cats.jpg")
transform = transforms.Compose([transforms.ToTensor()])
image_tensor = transform(image).____

# Perform inference
with torch.no_grad():
    prediction = ____
    print(prediction)

Modifier et exécuter le code