文件名称：keras-deeplab-v3-plus:具有预先训练的权重的Deeplab v3 +的Keras实现
文件大小：2.65MB
文件格式：ZIP
更新时间：2024-05-22 03:42:14
JupyterNotebook
Deeplabv3 +的Keras实现 此存储库不再维护。 我不会回答问题，但会合并PR DeepLab是用于语义图像分割的最先进的深度学习模型。 模型基于原始的TF冻结图。 可以将预训练的权重加载到此模型中。 权重直接从原始TF检查点导入。 原始TF模型的分割结果。 输出步幅= 8 带有权重且OS = 8的此回购模型的细分结果结果与TF模型相同 带有权重且OS = 16的此回购模型的细分结果结果还是不错的 如何获得标签 模型将返回形状的张量(batch_size, height, width, num_classes) 。 要获取标签，您需要将argmax应用于退出层的logits。 在image1.jpg上进行预测的示例： import numpy as np from PIL import Image from matplotlib import pyplot as
【文件预览】：
keras-deeplab-v3-plus-master
----.gitignore(59B)
----.ipynb_checkpoints()
--------test-checkpoint.ipynb(262KB)
--------Untitled-checkpoint.ipynb(105KB)
--------model-checkpoint.py(22KB)
--------model-Copy1-checkpoint.py(23KB)
----requirements.txt(68B)
----LICENSE(1KB)
----README.md(5KB)
----imgs()
--------my_seg_results2_OS16.png(187KB)
--------seg_results2.png(201KB)
--------seg_results1.png(201KB)
--------my_seg_results3_OS8.png(227KB)
--------image2.jpg(104KB)
--------image3.jpg(106KB)
--------my_seg_results1_OS8.png(197KB)
--------my_seg_results2_OS8.png(188KB)
--------my_seg_results1.png(197KB)
--------my_seg_results3_OS16.png(228KB)
--------my_seg_results3.png(228KB)
--------seg_results3.png(238KB)
--------image1.jpg(148KB)
--------my_seg_results1_OS16.png(197KB)
----load_weights.py(1KB)
----extract_weights.py(4KB)
----model.py(22KB)