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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。