计算机视觉应用开发 第5章 图像语义分割.pptVIP

案例描述 01 任务 案例目标 02 任务 案例分析 03 任务 案例实施 04 任务 1 案例描述 1 案例描述 本案例学习如何搭建U-Net网络，训练Oxford-IIIT Pet数据，实现图像语义分割。 2 案例目标 案例目标 搭建U-Net全卷积神经网络； 对Oxford-IIIT Pet数据集中的数据进行语义分割。 2 3 案例分析 案例分析 Oxford-IIIT宠物数据集是37个类别的宠物图像数据集，其中有犬类25类，猫类12类，每个类别大约有200张图像。图像在比例，姿势和照明方面有很大的差异。 该数据集由图像、图像所对应的标签、以及对像素逐一标记的掩码组成。掩码其实就是给每个像素的标签。每个像素分别属于以下三个类别中的一个： 类别 1：像素是宠物的一部分； 类别 2：像素是宠物的轮廓； 类别 3：以上都不是（外围像素）。 3 4 案例实施 4 案例实施 4 案例实施 4 案例实施 升频取样模块 up_stack = [ pix2pix.upsample(512, 3), # 4x4 - 8x8 pix2pix.upsample(256, 3), # 8x8 - 16x16 pix2pix.upsample(128, 3), # 16x16 - 32x32 pix2pix.upsample(64, 3), # 32x32