Anlamsal maskeleri hazırlama

Panoptik bölütleme yapmanın yaygın bir yolu, anlamsal ve örnek bölütlemenin çıktıları birleştirmektir. Aşağıdaki New York sokağı görüntüsünü düşün.

street image

Görevin, her taksinin ayrı bir nesne olarak tanımlandığı ve asfalt ile bina arka planlarının ayırt edildiği şekilde panoptik bölütleme yapmak.

Bunu başarmak için, sana UNet() olarak sunulan, önceden eğitilmiş bir U-Net ile bir anlamsal maske üreterek başlayacaksın. Umuyoruz ki iki arka plan türünü ayırt edecektir (ancak tek tek taksileri ayırt etmeyecektir)!

Bu egzersiz, kursun bir parçasıdır

PyTorch ile Görüntüler için Deep Learning

Kursa Göz Atın

Egzersiz talimatları

U-Net modelini model olarak oluştur.
Girdi görüntü tensörünü modele vererek semantic_masks üret.
Her piksel için en yüksek olasılıklı sınıfı seçerek tek bir anlamsal maske oluştur.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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()

Kodu Düzenle ve Çalıştır