结果是什么意思模型.预测（）语义分割功能？

Question

我使用Segmentation Models库进行多类（在我的例子中是4个类）语义分段。模型（带有“resnet34”主干的UNet）使用3000个RGB（224x224x3）图像进行训练。准确率在92.80%左右。在

1）为什么模型.预测（）函数需要（1224224,3）形状的数组作为输入？我甚至在Keras documentation里也没找到答案。实际上，下面的代码是有效的，我没有问题，但我想了解原因。在

predictions = model.predict( test_image.reshape(-1,224,224,3) );

2）predictions是一个（1224224,3）形状的numpy数组。它的数据类型是float32，并且包含一些浮点数。这个数组中的数字是什么意思？我怎么能想象他们呢？对于每个类I，每个类的标签I都将包含一个。换句话说，结果应该是一张预测图，但我没有得到。为了更好地理解我对预测图的理解，请访问Jeremy Jordan's blog about semantic segmentation。在

^{pr2}$

3）我最后想做的是Github: mrgloom - Semantic Segmentation Categorical Crossentropy Example在visualy_inspect_result函数中所做的。在

Answer 1

1）深度神经网络结构中的图像输入形状是（224224,3），因此宽度=高度=224和3个颜色通道。你需要一个额外的维度，以防你一次给你的模型多个图像。所以（1224224,3）或（224224224,3）。在

2）根据Segementation models repo的文档，您可以指定想要的类数作为输出model = Unet('resnet34', classes=4, activation='softmax')。因此，如果你改变你的标签图像的形状（1224224,4）。最后一个维度是一个掩码通道，用0或1表示如果像素i，j属于k类，那么您可以预测并访问每个输出掩码

masked = model.predict(np.array([im])[0]
mask_class0 = masked[:,:,0]
mask_class1 = masked[:,:,1]

{2{mat}可以使用{/strong}函数来绘制