如何将图像分割模型的张量输出转换为图像？

如何解决如何将图像分割模型的张量输出转换为图像？

我正在尝试使用 Berkley 深度驱动数据集对自动驾驶汽车进行图像分割的代码，我训练了模型，并在其上测试了图像，得到了张量格式的输出（分割图像），但我需要它图像格式，我尝试了 Image.fromarray 函数，得到以下输出：

实际图像如下所示：

我使用的模型来自这个 git repo。

解决方法

对于我使用的 tensorflow 模型：

from PIL import Image

prediction = np.squeeze(prediction)
r = prediction * 255
im = Image.fromarray(r.astype('uint8'),'L')
im = im.resize(original.size)

,

如果我理解正确，您的张量是模型预测的结果，下划线模型是 U-net。如果是这种情况，这些张量应该代表分割掩码。如果用于预测的图像大小为 512x512（取决于模型架构），那么由 U-net 预测的张量大小将为 k x 512 x 512，即每张图像有 k 个分割掩码。您必须用较浅的颜色将这些蒙版叠加在图像上，以查看模型如何对预测图像进行分割。因此，您需要访问用于预测的图像才能执行此操作。

由于您使用的是 fast.ai api，我建议您检查 show_results 对象的 learner 方法的代码以查看它们如何呈现输出。这应该是一个很好的起点。