Semantic masks सेटअप करें
Panoptic segmentation करने का एक आम तरीका है semantic और instance segmentation के आउटपुट को एक साथ जोड़ना। नीचे New York की एक सड़क की इमेज दी गई है।
आपका काम है इसे panoptic तरीके से segment करना, ताकि हर cab एक अलग ऑब्जेक्ट के रूप में पहचानी जाए, और साथ ही asphalt और building वाले बैकग्राउंड में फर्क किया जा सके।
इसके लिए, आप एक pre-trained U-Net से semantic mask बनाकर शुरू करेंगे, जो UNet() के रूप में उपलब्ध है। उम्मीद है, यह दोनों बैकग्राउंड टाइप्स में अंतर कर पाएगा (लेकिन अलग-अलग cabs में नहीं)!
यह अभ्यास पाठ्यक्रम का हिस्सा है
PyTorch के साथ इमेज के लिए डीप लर्निंग
अभ्यास निर्देश
- U-Net मॉडल को
modelके रूप में instantiate करें. - इनपुट इमेज टेन्सर को मॉडल में पास करके
semantic_masksबनाएँ. - प्रत्येक पिक्सेल के लिए सबसे अधिक प्रायिकता वाली क्लास चुनकर एक single semantic mask बनाएँ.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Instantiate the model
model = ____
# Produce semantic masks for the input image
with torch.no_grad():
semantic_masks = ____
# Choose highest-probability class for each pixel
semantic_mask = ____(____, ____)
# Display the mask
plt.imshow(semantic_mask.squeeze(0))
plt.axis("off")
plt.show()