chainerCV教程二︱7行代碼chainerCV實現圖像分割SegNet

碼雲鏈接：https://gitee.com/mattzheng/chainercv_SegNet/tree/master

github鏈接：https://github.com/mattzheng/chainer_SegNet

相關code都放在上面了.

1、 圖像分割SegNet相關參考

github鏈接：https://github.com/chainer/chainercv

官方文檔鏈接：http://chainercv.readthedocs.io/en/stable/index.html

預訓練模型下載頁面：https://github.com/yuyu2172/share-weights/releases/

SegNet參考的caffe實現及預訓練模型：http://mi.eng.cam.ac.uk/projects/segnet/tutorial.html

由chainercv自帶的預訓練模型

採用的數據集為：camvid

數據集類別camvid_label_names：』Sky』, 『Building』, 『Pole』, 『Road』, 『Pavement』, 『Tree』, 『SignSymbol』, 『Fence』, 『Car』, 『Pedestrian』, 『Bicyclist』

不同類別的顏色camvid_label_colors：(128, 128, 128), (128, 0, 0), (192, 192, 128), (128, 64, 128), (60, 40, 222), (128, 128, 0), (192, 128, 128), (64, 64, 128), (64, 0, 128), (64, 64, 0), (0, 128, 192)

其中需要注意的是：

(1)』pip install chainercv』好像沒有load進去vis_semantic_segmentation模塊，所以我的做法是從github中加到：/usr/local/lib/python3.5/dist-packages/chainercv/visualizations目錄下（github該模塊鏈接：https://github.com/chainer/chainercv/tree/master/chainercv/visualizations）

(2)讀圖的時候，注意最好使用chainercv自帶的讀入函數utils.read_image

code展示：

SegNetBasic函數解析（來源文檔）：

camvid數據是類別較少的分類。

SegNetBasic(n_class=None, pretrained_model=None, initialW=None)函數，有三個參數，n_class是預訓練模型的參數，pretrained_model是預訓練模型位置

predict(imgs),imgs輸入array的list

.

2、自己訓練segnet模型

其他的，如果你要自己訓練segnet模型，請參考該頁面

First, move to this directory (i.e., examples/segnet) and run:

一個使用的demo：

模型評估的函數：

官方自帶的一個預訓練模型後的模型使用demo

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 素質雲筆記 的精彩文章: