Or9ksv4

🚀 Unet模型卡片

Unet模型是用於圖像分割的強大工具，本卡片詳細介紹了該模型的加載、初始化參數、性能指標以及使用的數據集等信息。

🚀 快速開始

加載預訓練模型

以下代碼展示瞭如何加載預訓練的Unet模型：

import segmentation_models_pytorch as smp

model = smp.from_pretrained("<save-directory-or-this-repo>")

✨ 主要特性

• 支持多種編碼器，如resnet152。
• 可靈活配置解碼器的參數，包括批量歸一化、通道數等。
• 提供了詳細的模型性能指標，方便評估模型效果。

💻 使用示例

基礎用法

以下是模型初始化參數的示例：

model_init_params = {
    "encoder_name": "resnet152",
    "encoder_depth": 5,
    "encoder_weights": "imagenet",
    "decoder_use_batchnorm": True,
    "decoder_channels": (256, 128, 64, 32, 16),
    "decoder_attention_type": None,
    "decoder_interpolation_mode": "nearest",
    "in_channels": 3,
    "classes": 1,
    "activation": None,
    "aux_params": None
}

📚 詳細文檔

模型指標

模型的性能指標如下：

[
    {
        "test_per_image_iou": 0.9445641040802002,
        "test_dataset_iou": 0.9453290104866028
    }
]

數據集

使用的數據集名稱為：IPD

更多信息

• 庫鏈接：https://github.com/qubvel/segmentation_models.pytorch
• 文檔鏈接：https://smp.readthedocs.io/en/latest/

本模型已使用 PytorchModelHubMixin 推送到模型中心。

📄 許可證

本項目採用MIT許可證。