Menjalankan segmentasi semantik

Kerja bagus merancang U-Net! Anda akan menemukan model yang sudah dilatih sebelumnya dan sangat mirip dengan yang baru saja Anda bangun tersedia untuk Anda. Model ini telah dilatih pada himpunan data gambar yang besar dan memiliki beberapa penambahan kecil pada arsitektur, seperti lapisan batch norm.

Anda dapat membuat instance model sebagai UNet(), yang akan menyediakan bobot pra-latih untuk model. Tugas Anda adalah menggunakannya untuk menghasilkan mask segmentasi untuk gambar mobil berikut.

car image

Image dari PIL telah diimpor untuk Anda.

Latihan ini merupakan bagian dari kursus

Deep Learning untuk Gambar dengan PyTorch

Lihat Kursus

Instruksi latihan

Instansiasikan UNet() dalam sebuah variabel bernama model.
Muat gambar pada car.jpg ke variabel bernama image.
Hasilkan mask segmentasi dengan mengumpankan gambar ke model dan menerapkan squeeze(0) pada keluarannya.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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()

Edit dan Jalankan Kode