Semantic segmentation 실행하기
U-Net을 잘 설계하셨습니다! 방금 만든 모델과 매우 유사한, 이미 사전 학습된 모델을 사용할 수 있도록 준비해 두었습니다. 이 모델은 대규모 이미지 데이터로 학습되었고, batch norm 레이어 같은 몇 가지 소소한 아키텍처 개선이 포함되어 있습니다.
모델은 UNet()으로 인스턴스화할 수 있으며, 사전 학습된 가중치가 포함되어 있습니다. 이제 이 모델을 사용해 아래 자동차 이미지의 segmentation mask를 생성해 보세요.
PIL의 Image는 이미 임포트되어 있습니다.
이 연습은 강의의 일부입니다
PyTorch로 배우는 이미지 딥러닝
연습 안내
UNet()을model이라는 변수로 인스턴스화하세요.car.jpg이미지를 불러image라는 변수에 저장하세요.- 이미지를 모델에 전달하고 출력에
squeeze(0)을 적용해 segmentation mask를 생성하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()