Pytorch-Unet

上传者: 42151373 | 上传时间: 2022-08-29 21:24:17 | 文件大小: 21.76MB | 文件类型: ZIP
UNet:使用PyTorch进行语义分割 在PyTorch中自定义实施以应对Kaggle的高清图像。 该模型从头开始使用5000张图像进行了训练(无数据增强),并且在超过100k张测试图像上获得了0.988423的(735中的511分)。可以通过更多的培训,数据增强,微调,使用CRF后处理以及在蒙版的边缘上施加更多的权重来提高此分数。 Carvana数据可在上。 用法 注意:使用Python 3.6或更高版本 预言 训练好模型并将其保存到MODEL.pth后,您可以通过CLI轻松测试图像上的输出蒙版。 要预测单个图像并保存,请执行以下操作: python predict.py -i image.jpg -o output.jpg 要预测多幅图像并显示它们而不保存它们,请执行以下操作: python predict.py -i image1.jpg image2.jpg --viz -

文件下载

资源详情

[{"title":"( 1684 个子文件 21.76MB ) Pytorch-Unet","children":[{"title":"run_norm_final.sh <span style='color:#111;'> 2.06KB </span>","children":null,"spread":false},{"title":"run_mic.sh <span style='color:#111;'> 1.39KB </span>","children":null,"spread":false},{"title":"Cam2007Dataset.csv <span style='color:#111;'> 45.94KB </span>","children":null,"spread":false},{"title":"run_gd_seasaw.sh <span style='color:#111;'> 2.59KB </span>","children":null,"spread":false},{"title":"run_predict.sh <span style='color:#111;'> 2.86KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明