शुरू करेंमुफ़्त में शुरू करें

Semantic segmentation चलाना

U-Net डिज़ाइन करने पर बढ़िया काम! आपको एक पहले से प्री-ट्रेंड मॉडल उपलब्ध कराया गया है, जो आपके बनाए मॉडल से काफ़ी मिलता-जुलता है. इस मॉडल को इमेज के बड़े सेट पर ट्रेन किया गया है और इसकी आर्किटेक्चर में कुछ छोटे ऐडिशन हैं, जैसे batch norm लेयर्स.

आप UNet() के रूप में मॉडल को इंस्टैंशिएट कर सकते हैं, जो प्री-ट्रेंड वेट्स के साथ मॉडल प्रदान करेगा. आपका काम इसका उपयोग करके नीचे दी गई कार की इमेज के लिए सेगमेंटेशन मास्क बनाना है.

car image

PIL से Image आपके लिए पहले ही इम्पोर्ट किया जा चुका है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PyTorch के साथ इमेज के लिए डीप लर्निंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • UNet() को model नाम के वैरिएबल में इंस्टैंशिएट करें.
  • car.jpg पर मौजूद इमेज को image नाम के वैरिएबल में लोड करें.
  • इमेज को मॉडल में पास करके और आउटपुट पर squeeze(0) लगाकर सेगमेंटेशन मास्क बनाइए.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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()
कोड संपादित करें और चलाएँ