Rularea segmentării semantice

Bravo pentru că ai proiectat U-Net-ul! Vei găsi deja disponibil un model pre-antrenat, foarte asemănător cu cel pe care tocmai l-ai construit. Acest model a fost antrenat pe un set mare de imagini și include câteva completări minore ale arhitecturii, cum ar fi straturile de normalizare batch.

Poți instanția modelul ca UNet(), care îi va furniza greutățile pre-antrenate. Sarcina ta este să îl folosești pentru a genera măști de segmentare pentru următoarea imagine a unei mașini.

car image

Image din PIL a fost deja importat pentru tine.

Acest exercițiu face parte din cursul

Deep Learning pentru imagini cu PyTorch

Vezi cursul

Instrucțiuni pentru exercițiu

Instanțiază UNet() într-o variabilă numită model.
Încarcă imaginea de la car.jpg într-o variabilă numită image.
Generează măști de segmentare transmițând imaginea către model și aplicând squeeze(0) rezultatului.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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()

Editează și rulează codul