torchvision 0.3重大更新，支持图像分割目标检测

最新推荐文章于 2025-03-07 16:13:23 发布
最新推荐文章于 2025-03-07 16:13:23 发布
阅读量3k 收藏 10
点赞数 4
分类专栏： 人工智能 神经网络与机器学习笔记 文章标签： torchvision 目标检测 图像分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/lxytsos/article/details/90674604
版权

前几天听说torchvision 0.3发布了，它支持分割模型、检测模型。而由于工作原因，刚好在寻找一种比容易使用的图像分割工具，不需要复杂的图像处理步骤、配置、训练代码，所以自然而然试试torchvision 0.3的功能了。

下面记录一下小编我使用torchvision 0.3训练图像分割目标检测模型的过程。
首先当然是安装torchvision 0.3啦，目前0.3版本的还不支持Windows系统，使用Windows的小伙伴可能要等一段时间啦。由于小编机器上已经有torchvision 0.2，因此用下面的命令进行安装0.3版本：

pip install --upgrade torchvision

如果之前没安装过的话，那么这样进行安装：

pip install torchvision

或者用conda安装：

conda install torchvision -c pytorch

记得还要安装pycocotools，因为将会使用它来计算各种评估指标。Linux和Mac OS上直接通过pip安装即可，Windows上步骤比较麻烦，需要先装好Microsoft Visual C++ Build Tools。

使用到的数据集为PennFudanPed，目录结构如下：

PennFudanPed/
  Annotation/
    FudanPed00001.txt
    FudanPed00002.txt
    FudanPed00003.txt
    FudanPed00004.txt
    ...
  PedMasks/
    FudanPed00001_mask.png
    FudanPed00002_mask.png
    FudanPed00003_mask.png
    FudanPed00004_mask.png
    ...
  PNGImages/
    FudanPed00001.png
    FudanPed00002.png
    FudanPed00003.png
    FudanPed00004.png

看一下图片是什么样的：

在这里插入图片描述

我们看一看标注文件是什么样的：

# Compatible with PASCAL Annotation Version 1.00
Image filename : "PennFudanPed/PNGImages/FudanPed00001.png"
Image size (X x Y x C) : 559 x 536 x 3
Database : "The Penn-Fudan-Pedestrian Database"
Objects with ground truth : 2 { "PASpersonWalking" "PASpersonWalking" }
# Note there may be some objects not included in the ground truth list for they are severe-occluded
# or have very small size.
# Top left pixel co-ordinates : (1, 1)
# Details for pedestrian 1 ("PASpersonWalking")
Original label for object 1 "PASpersonWalking" : "PennFudanPed"
Bounding box for object 1 "PASpersonWalking" (Xmin, Ymin) - (Xmax, Ymax) : (160, 182) - (302, 431)
Pixel mask for object 1 "PASpersonWalking" : "PennFudanPed/PedMasks/FudanPed00001_mask.png"

# Details for pedestrian 2 ("PASpersonWalking")
Original label for object 2 "PASpersonWalking" : "PennFudanPed"
Bounding box for object 2 "PASpersonWalking" (Xmin, Ymin) - (Xmax, Ymax) : (420, 171) - (535, 486)
Pixel mask for object 2 "PASpersonWalking" : "PennFudanPed/PedMasks/FudanPed00001_mask.png"

可以看到标注文件里记录了这张图片的大小，人的位置信息，mask图像的存放信息。

再来看一张mask图片：

在这里插入图片描述

这黑乎乎的是什么？怎么什么都没有，其实如果将图片读入数组把值打印出来，你会发现在人物的mask区域的值是1,2，···，背景区域是0，因此图片看上去全是黑的，但是如果给这个mask加一个调色板，那人物区域就显示出来啦：

在这里插入图片描述

接下来写一个类继承torch.utils.data.Dataset，然后实现__getitem__和__len__函数来读取图片、bounding box，mask等信息。

训练之前还需要从官方github上获取一些工具来用：

git clone https://github.com/pytorch/vision.git

将references/detection下的文件拷贝到训练代码同级目录下，然后开始训练，可以看到下面类似的输出。

Epoch: [9]  [ 0/60]  eta: 0:00:31  lr: 0.000005  loss: 0.1171 (0.1171)  loss_classifier: 0.0151 (0.0151)  loss_box_reg: 0.0050 (0.0050)  loss_mask: 0.0912 (0.0912)  loss_objectness: 0.0006 (0.0006)  loss_rpn_box_reg: 0.0052 (0.0052)  time: 0.5295  data: 0.2165  max mem: 5575
Epoch: [9]  [10/60]  eta: 0:00:18  lr: 0.000005  loss: 0.1534 (0.1607)  loss_classifier: 0.0247 (0.0240)  loss_box_reg: 0.0099 (0.0103)  loss_mask: 0.1088 (0.1181)  loss_objectness: 0.0007 (0.0020)  loss_rpn_box_reg: 0.0051 (0.0063)  time: 0.3638  data: 0.0247  max mem: 5575
Epoch: [9]  [20/60]  eta: 0:00:14  lr: 0.000005  loss: 0.1449 (0.1537)  loss_classifier: 0.0245 (0.0232)  loss_box_reg: 0.0085 (0.0093)  loss_mask: 0.1083 (0.1131)  loss_objectness: 0.0004 (0.0017)  loss_rpn_box_reg: 0.0048 (0.0064)  time: 0.3564  data: 0.0059  max mem: 5575
Epoch: [9]  [30/60]  eta: 0:00:11  lr: 0.000005  loss: 0.1351 (0.1559)  loss_classifier: 0.0220 (0.0238)  loss_box_reg: 0.0072 (0.0102)  loss_mask: 0.1083 (0.1139)  loss_objectness: 0.0004 (0.0014)  loss_rpn_box_reg: 0.0055 (0.0067)  time: 0.3733  data: 0.0061  max mem: 5575
Epoch: [9]  [40/60]  eta: 0:00:07  lr: 0.000005  loss: 0.1344 (0.1545)  loss_classifier: 0.0218 (0.0240)  loss_box_reg: 0.0091 (0.0099)  loss_mask: 0.1062 (0.1128)  loss_objectness: 0.0004 (0.0012)  loss_rpn_box_reg: 0.0063 (0.0067)  time: 0.3693  data: 0.0059  max mem: 5575
Epoch: [9]  [50/60]  eta: 0:00:03  lr: 0.000005  loss: 0.1496 (0.1587)  loss_classifier: 0.0236 (0.0246)  loss_box_reg: 0.0096 (0.0111)  loss_mask: 0.1082 (0.1145)  loss_objectness: 0.0003 (0.0011)  loss_rpn_box_reg: 0.0065 (0.0073)  time: 0.3696  data: 0.0059  max mem: 5575
Epoch: [9]  [59/60]  eta: 0:00:00  lr: 0.000005  loss: 0.1555 (0.1591)  loss_classifier: 0.0246 (0.0245)  loss_box_reg: 0.0094 (0.0112)  loss_mask: 0.1099 (0.1150)  loss_objectness: 0.0003 (0.0011)  loss_rpn_box_reg: 0.0070 (0.0072)  time: 0.3700  data: 0.0059  max mem: 5575
Epoch: [9] Total time: 0:00:22 (0.3682 s / it)
creating index...
index created!
Test:  [ 0/50]  eta: 0:00:12  model_time: 0.0721 (0.0721)  evaluator_time: 0.0131 (0.0131)  time: 0.2515  data: 0.1637  max mem: 5575
Test:  [49/50]  eta: 0:00:00  model_time: 0.0600 (0.0606)  evaluator_time: 0.0029 (0.0043)  time: 0.0700  data: 0.0032  max mem: 5575
Test: Total time: 0:00:03 (0.0733 s / it)
Averaged stats: model_time: 0.0600 (0.0606)  evaluator_time: 0.0029 (0.0043)
Accumulating evaluation results...
DONE (t=0.01s).
Accumulating evaluation results...
DONE (t=0.01s).

选一张图片看看图像分割结果怎么样

在这里插入图片描述

看看在这张图片上的分割效果：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
从最后几张可以发现，远处的很小的人都被分割出来了，而模型只在120张图片训练了10轮，效果已经很好了。

现在人物已经分割出来了，还想在人物上打上bounding box呢？

原图：

在这里插入图片描述

打上bounding box效果图，类别标签还没做映射：

在这里插入图片描述

到此，使用torchvision 0.3进行图像分割，目标检测的效果已经介绍完啦，但是小编总觉得那个分割的图像不太好看，黑白色的图片，因此小编在此基础上做了修改，美化了一下mask并将它打在了原图上，有兴趣的小伙伴可以自己实现呀。

原图：

在这里插入图片描述

美化mask后的效果图：

在这里插入图片描述

题外话

如何评估模型训练效果呢，查看源码发现这一部分调用的是pycocotools中的工具，能够给出下面这样的评估结果：

IoU metric: bbox
 Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.838
 Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 0.988
 Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.955
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.342
 Average Precision  (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.721
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.857
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=  1 ] = 0.394
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets= 10 ] = 0.877
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.877
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.500
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.825
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.892
IoU metric: segm
 Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.787
 Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 0.988
 Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.961
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.377
 Average Precision  (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.587
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.800
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=  1 ] = 0.359
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets= 10 ] = 0.826
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.826
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.633
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.775
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.836

但是这么一串字符看着眼花缭乱，想画出一个Precision-Recall图表来，于是小编阅读了pycocotools中关于评估指标的部分代码之后，自己实现了绘图代码，效果如下：

bounding box的PR曲线

在这里插入图片描述

segmentation的PR曲线

在这里插入图片描述

对人工智能感兴趣的朋友，欢迎扫码关注微信公众号：机器工匠，回复关键字“vision分割”获取训练代码和数据，如何打上bounding box，美化mask，绘制PR曲线，感兴趣的小伙伴自己动脑筋实现啦。
在这里插入图片描述

PyTorch深度学习实战（19）——从零开始实现R-CNN目标检测
盼小辉丶的博客
10-07 6910
R-CNN (Region-based Convolutional Neural Network) 是 R-CNN 系列目标检测算法的初代模型，其将“深度学习”和传统的“计算机视觉”的相结合，在深度学习的框架下实现了高效的物体检测和识别。R-CNN 的核心思想是将目标检测任务分解为候选区域提取、特征提取、目标分类和边界框回归四个步骤。R-CNN 中的 “Region-based” 指的就是区域提议(候选区域)，用于在图像中识别对象。在本节中，我们将利用区域提议来完成图像中目标对象的检测和定位。
目标检测YOLO实战应用案例100讲-基于CNN的卫星图像下舰船目标检测与识别
qq_36130719的博客
08-31 587
近年来，一方面，随着经济全球化进程地不断推进，各国之间的贸易往来日益增多， 如何应对指数式爆发增长的货物运输成为制约各国经济发展的重要因素。在众多运输方 式中，海洋运输以其大载量和低运费的特点脱颖而出，并逐步成为国际物流中最主要的 运输方式，据统计，国际贸易总运量中的2/3以上、中国进出口货运总量的约90%都是 利用海上运输[1]，海洋运输已经成为国际贸易运输不可或缺的一部分。
torchvision-0.1.8-py2.py3-none-any.whl
05-02
torchvision，pytorch深度学习框架的一个附加包。版本：0.1.8。
PyTorch 1.0 中文官方教程：Torchvision 模型微调
龙哥盟
01-25 3万+
译者：ZHHAYO 作者: Nathan Inkawhich 在本教程中，我们将深入探讨如何微调和特征提取torchvision 模型，所有这些模型都已经预先在1000类的magenet数据集上训练完成。本程将深入介绍如何使用几个现代的CNN架构，并将为微调任意的PyTorch模型建立一个直觉。 由于每个模型架构是有差异的，因此没有可以在所有场景中使用的样板微调代码。 然而，研究人员必须查看现...
如何看torch 和torchvision版本，如何看CUDA的版本，我是ubuntu的系统，建立的环境是py38。
qq_50857609的博客
03-07 789
如何看torch 和torchvision版本，如何看CUDA的版本，我是ubuntu的系统，建立的环境是py38。在 Ubuntu 下，你可以使用以下命令来检查。
Pytorch查看torch版本，查看torchvision版本，查看CUDA版本，查看cudnn版本，查看pytorch可用性，查看cuda可用性，查看cudnn可用性，查看显卡，指定运算GPU
shaqilaixi2的博客
12-03 7万+
1 打印Pytorch版本 1.1 打开终端，激活相应的环境 例如我的是：pytorch180cuda111 conda activate pytorch180cuda111 1.2 输入命令查看 import torch print(torch.__version__) #注意是双下划线
Pytorch和torchvision版本查询
weixin_46428351的博客
04-19 1万+
Pytorch和torchvision版本查询 在安装完pytorch和torchvision后，可能需要查询对应的版本。方法如下： 1.在安装的环境下输入python，然后输入以下代码查询pytorch的版本： import torch print(torch.__version__) 2.输入以下代码查询torchvision的版本： import torchvision print(torchvision.__veision__) 示例如下： ...
torch手动安装对应的vision版本
平安喜乐
11-13 887
TorchAudio的官方二进制分发包含用C++编写的扩展模块，并链接到特定版本的PyTorch。TorchAudio与不同版本的PyTorch无法共用。请参阅以下表格以了解匹配版本。使用官方安装，借助清华大学镜像的话安装的是CPU版本，即使安装的是GPU版本，没有指定cpuonly。torch，torchvision，python版本对应关系。
微调torchvision 0.3的目标检测模型
吴建明wujianming_110117
02-08 738
微调torchvision 0.3的目标检测模型 本文将微调在 Penn-Fudan 数据库中对行人检测和分割的已预先训练的 Mask R-CNN 模型。它包含170个图像和345个行人实例，说明如何在 torchvision 中使用新功能，以便在自定义数据集上训练实例分割模型。 1.定义数据集 对于训练对象检测的引用脚本，实例分割和人员关键点检测，要求能够轻松支持添加新的自定义数据。数据集应该从标准的类torch.utils.data.Dataset 继承而来，并实现_len和_getitem_ 要求的唯
PyTorch 图像：01.微调基于 torchvision 0.3的目标检测模型
睡前人工智能共享实验室
08-05 799
在本教程中，我们将微调在 Penn-Fudan 数据库中对行人检测和分割的已预先训练的 Mask R-CNN 模型。它包含170个图像和345个行人实例，我们 将用它来说明如何在 torchvision 中使用新功能，以便在自定义数据集上训练实例分割模型。 1.定义数据集 对于训练对象检测的引用脚本，实例分割和人员关键点检测要求能够轻松支持添加新的自定义数据。数据集应该从标准的类torch.utils.data.Dataset继承而来，并实现_len和_getitem_ 我们要求的唯一特性是数据集的.
PyTorch专栏（八）：微调基于torchvision 0.3的目标检测模型
TensorFlowNews
09-14 2796
专栏目录： 第一章：PyTorch之简介与下载 PyTorch简介 PyTorch环境搭建 第二章：PyTorch之60分钟入门 PyTorch入门 PyTorch自动微分 PyTorch神经网络 PyTorch图像分类器 PyTorch数据并行处理 第三章：PyTorch之入门强化 数据加载和处理 Py...
torch&torchvision对应版本
lrjnumber的博客
07-28 406
torch 与 torchvision 版本必须对应
torch对应版本torchvision和torchAudio
04-18 2万+
返回False，那么是无法使用gpu的，所以需要找到pytorch和cuda的对应关系，不能安装cpu版本，不然无法使用gpu的。
Python深度学习030：torchvision.models有哪些已经写好的模型 | 以resnet18网络为例讲解如何使用（含数据、代码和结果展示）
若北辰
12-25 738
torchvision.models`提供了一系列预训练的模型，主要用于图像分类、目标检测、图像分割等任务。
cuda、torch、torchvision对应版本以及安装
热门推荐
李昂的博客
08-09 10万+
查找torch与torchvision对应版本 github链接：https://github.com/pytorch/vision#installation 在线下载或者离线下载 1、在线下载 在pytorch官网选择相应的历史版本，使用conda或者pip安装，使用官网的镜像下载很慢，建议使用其他的镜像源，这里我使用的是阿里的镜像速度还不错。 pip install torch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 -i https://mirror
【新手】 nvidia-smi:11.6 nvcc-V:11.3不匹配 Python:3.9下安装Torch:1.10.2、Torchvision:0.11.3)
qq_44826240的博客
03-17 1271
nvidia-smi版本大于nvcc -V的版本不会有什么问题，并且安装python包（例如torch）需要匹配runtime cuda版本，即nvcc -V的版本。在当前虚拟环境下，使用conda命令安装下载的 torchvision-0.11.3。在当前虚拟环境下，使用conda命令安装下载的pytorch-1.10.2。创建python版本为3.9的虚拟环境。在当前环境中查看anaconda安装路径。打印：输出为true，说明已经正确安装。下图显示是因为我已经安装过了。在官网查看对应的版本。
【深度学习】torch和torchvision的对应安装版本
m0_62920653的博客
07-09 7028
PyTorch 中的 `torch` 和 `torchvision` 版本需要相互匹配。torch、torchvision对应版本。
pytorch1.7 安装
01-19 4796
pip install torch==1.x.x -i https://pypi.douban.com/simple pip install torchvision==0.x.x -i https://pypi.douban.com/simple 安装kornia pip install kornia==0.x.x -i https://pypi.douban.com/simple pytorch=1.3, kornia=0.3.1 pytorch=1.7, kornia=0.5.1
pytorch怎么用于耕地图像分割
最新发布
03-18
<think>好的，用户想了解如何使用PyTorch进行农田图像分割。首先，我需要整理已有的信息。根据引用[1]，用户有2890张农田分割数据集，标注为YOLO和VOC格式。引用[2]提到了将GeoTIFF转换为PNG的方法，这可能对预处理数据有用。引用[3]和[4]涉及上采样方法和DeeplabV3+模型，这些是语义分割的关键部分。 接下来，我需要构建一个分步骤的教程。首先应该是数据准备，将VOC格式的数据转换为PyTorch可用的Dataset。然后模型搭建，选用DeeplabV3+，参考引用[4]提供的代码。训练过程需要定义损失函数和优化器，可能用交叉熵和Adam。数据增强部分可以加入旋转、翻转等。最后是推理和可视化。 还要注意用户提到的YOLO和VOC标注，可能需要解释如何处理这两种格式，但VOC更适合语义分割，所以重点在VOC。另外，数据预处理可能需要用到引用[2]中的代码，将GeoTIFF转为PNG，但用户的数据可能已经是常规格式了，所以可能不需要，但可以作为可选步骤。 在代码示例部分，需要展示Dataset类、模型初始化、训练循环等。可能还要提到上采样方法，如反卷积，参考引用[3]。最后，生成相关问题，确保覆盖数据预处理、模型选择、评估指标和优化策略等方面。 需要检查所有LaTeX格式是否正确，行内公式用$...$，独立公式用$$...$$，确保没有使用错误。同时引用标注要正确对应，比如数据转换引用[^2]，模型引用[^4]，上采样引用[^3]。 可能还需要考虑用户的实际应用场景，比如农田分割可能涉及大尺寸遥感图像，处理时需要注意内存问题，可以建议分块处理或使用更大的batch size。另外，数据量2890张可能较小，可以建议数据增强或迁移学习。 最后，确保回答结构清晰，逐步引导用户完成整个流程，并给出相关问题的链接，帮助用户深入了解更多细节。</think>以下是使用PyTorch实现农田图像分割的步骤详解： ### 1. 数据准备与预处理 - **数据格式转换**：若原始数据为GeoTIFF格式，需先转换为PNG格式（引用代码[^2]） ```python # 示例：批量转换GeoTIFF import os from pathlib import Path geotiff_dir = Path(&#39;geotiff/&#39;) png_dir = Path(&#39;png/&#39;) for file in geotiff_dir.glob(&#39;*.tif&#39;): with rasterio.open(file) as dataset: image = dataset.read([1, 2, 3]) image = np.transpose(image, (1, 2, 0)) plt.imsave(png_dir/file.stem + &#39;.png&#39;, image) ``` - **VOC格式处理**：创建符合PyTorch要求的Dataset类 ```python from torch.utils.data import Dataset import torchvision.transforms as T class FarmDataset(Dataset): def __init__(self, img_dir, mask_dir): self.img_paths = sorted(Path(img_dir).glob("*.png")) self.mask_paths = sorted(Path(mask_dir).glob("*.png")) self.transform = T.Compose([ T.ToTensor(), T.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) def __len__(self): return len(self.img_paths) def __getitem__(self, idx): img = Image.open(self.img_paths[idx]).convert("RGB") mask = Image.open(self.mask_paths[idx]).convert("L") # 灰度模式 return self.transform(img), T.ToTensor()(mask) ``` ### 2. 模型搭建 推荐使用DeeplabV3+（引用模型[^4]）： ```python import torch from torchvision.models.segmentation import deeplabv3_resnet50 model = deeplabv3_resnet50(pretrained=True) model.classifier[4] = torch.nn.Conv2d(256, 1, kernel_size=(1, 1)) # 修改输出通道数为1 ``` ### 3. 训练流程 ```python # 初始化 device = torch.device(&#39;cuda&#39; if torch.cuda.is_available() else &#39;cpu&#39;) model.to(device) criterion = torch.nn.BCEWithLogitsLoss() optimizer = torch.optim.Adam(model.parameters(), lr=1e-4) # 数据加载 train_dataset = FarmDataset(&#39;train_images&#39;, &#39;train_masks&#39;) train_loader = DataLoader(train_dataset, batch_size=8, shuffle=True) # 训练循环 for epoch in range(50): for images, masks in train_loader: images = images.to(device) masks = masks.to(device) outputs = model(images)[&#39;out&#39;] loss = criterion(outputs, masks) optimizer.zero_grad() loss.backward() optimizer.step() ``` ### 4. 数据增强策略 在Dataset类中添加增强操作： ```python self.transform = T.Compose([ T.RandomHorizontalFlip(p=0.5), T.RandomVerticalFlip(p=0.3), T.RandomRotation(30), T.ColorJitter(brightness=0.2, contrast=0.2), T.ToTensor(), T.Normalize(mean=[...], std=[...]) ]) ``` ### 5. 结果可视化 ```python def visualize_prediction(image, mask, pred): plt.figure(figsize=(15,5)) plt.subplot(1,3,1).imshow(image.permute(1,2,0).cpu().numpy()) plt.subplot(1,3,2).imshow(mask.squeeze().cpu().numpy(), cmap=&#39;gray&#39;) plt.subplot(1,3,3).imshow(torch.sigmoid(pred).squeeze().detach().cpu().numpy() > 0.5, cmap=&#39;gray&#39;) ``` ### 关键数学原理 语义分割本质是像素级分类任务，损失函数可表示为： $$L = -\frac{1}{N}\sum_{i=1}^N [y_i\log p_i + (1-y_i)\log(1-p_i)]$$ 其中$y_i$为真实标签，$p_i$为预测概率值[^3]。
评论 23
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值