PyTorchU-Net在Cityscapes数据集上的颜色分类类别为leetcode-pytorch_unet

颜色分类leetcode Cityscapes 数据集上的 PyTorch U-Net 这个存储库包含我第一次尝试从 . 这最终比我预期的更具挑战性，因为 python 中的数据处理工具并不像我预期的那么简单。 在 PyTorch 框架内，他们为 Cityscapes 数据集提供了一个“数据加载器”，但它并不真正适合任何分割任务。 我建立了那里的初始代码，以允许将相同的随机变换应用于 rgb 图像和标签。 此外，用于训练的类数量已经减少，可以通过更新 dataset.py 加载器中的映射数据类型轻松更改。 网络输出 [N, classes, W, H] 大小的张量，然后需要将其转换为预测。 为了找到给定像素的分类，类响应的 argmax 为每个计算并对应于类。 在保存到磁盘之前，我将此 classid 转换回 rgb 颜色，以便与地面实况标签进行视觉比较。 我发现网络预测在四个 epoch 后给出了不错的视觉结果。 训练模型 请查看script_train.py文件以获取有关可能参数的详细信息。 您首先需要下载 cityscapes 数据集并提取它。 如果您想进行逐像素分割，通常会使用