BASNetBackbone
类keras_hub.models.BASNetBackbone(
image_encoder,
num_classes,
image_shape=(None, None, 3),
projection_filters=64,
prediction_heads=None,
refinement_head=None,
dtype=None,
**kwargs
)
用于语义分割的 BASNet 架构。
一个 Keras 模型,实现了 BASNet:用于移动和 Web 应用的边界感知分割网络 中描述的 BASNet 架构。BASNet 使用预测-精炼架构实现高精度的图像分割。
参数
keras_hub.models.ResNetBackbone
实例。该模型的骨干网络,用作 BASNet 预测编码器的特征提取器。目前支持的骨干网络有 ResNet18 和 ResNet34。(注意:不要在骨干网络中指定 image_shape
。请在初始化“BASNetBackbone”模型时提供这些。)backbone
低级特征的过滤器数量。keras.layers.Layer
列表。如果未提供,则会创建一个默认的头,包含一个 Conv2D 层,后跟调整大小操作。keras.layers.Layer
。如果未提供,则会创建一个默认的头,包含一个 Conv2D 层。None
或 str 或 keras.mixed_precision.DTypePolicy
。用于模型计算和权重的 dtype。from_preset
方法BASNetBackbone.from_preset(preset, load_weights=True, **kwargs)
从模型预设实例化一个 keras_hub.models.Backbone
。
预设是一个包含配置、权重和其他文件资源的目录,用于保存和加载预训练模型。preset
可以作为以下之一传递:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
此构造函数可以通过两种方式调用:从基类(如 keras_hub.models.Backbone.from_preset()
)或从模型类(如 keras_hub.models.GemmaBackbone.from_preset()
)。如果从基类调用,返回对象的子类将根据预设目录中的配置推断。
对于任何 Backbone
子类,您可以运行 cls.presets.keys()
来列出该类上所有可用的内置预设。
参数
示例
# Load a Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
"gemma_2b_en",
)
# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
"bert_base_en",
load_weights=False,
)
预设 | 参数 | 描述 |
---|---|---|
basnet_duts | 108.89M | 带有 34 层 ResNet 骨干网络的 BASNet 模型,在 288x288 分辨率的 DUTS 图像数据集上预训练。模型训练由 Hamid Ali (https://github.com/hamidriasat/BASNet) 完成。 |