Semantic 마스크 설정
panoptic segmentation을 수행하는 일반적인 방법은 semantic segmentation과 instance segmentation의 출력을 결합하는 것입니다. 다음 뉴욕 거리 사진을 살펴보세요.
각 택시를 서로 다른 객체로 식별하면서, 도로 포장(asphalt)과 건물 배경을 구분하도록 panoptic하게 분할해 보세요.
이를 위해 먼저 사전 학습된 U-Net(UNet())으로 semantic 마스크를 생성하는 것부터 시작해요. 이 마스크는 두 가지 배경 유형을 구분할 수 있어야 하지만(개별 택시 간 구분은 하지 못해요), 그게 우리가 원하는 첫 단계예요!
이 연습은 강의의 일부입니다
PyTorch로 배우는 이미지 딥러닝
연습 안내
- U-Net 모델을
model로 인스턴스화하세요. - 입력 이미지 텐서를 모델에 전달해
semantic_masks를 생성하세요. - 각 픽셀에서 확률이 가장 높은 클래스를 선택해 단일 semantic 마스크를 만드세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()