BASNetBackbone 模型

[源]

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。

一个实现了 BASNet 架构的 Keras 模型，该架构在 BASNet: Boundary-Aware Segmentation Network for Mobile and Web Applications 中有描述。BASNet 使用预测-细化架构来实现高精度的图像分割。

参数

• image_encoder：一个 keras_hub.models.ResNetBackbone 实例。用作 BASNet 预测编码器特征提取器的模型骨干网络。目前支持的骨干网络是 ResNet18 和 ResNet34。（注意：不要在骨干网络中指定 image_shape。请在初始化 'BASNetBackbone' 模型时提供这些参数）
• num_classes：int，分割模型的类别数。
• image_shape：可选的形状元组，默认为 (None, None, 3)。
• projection_filters：int，用于将 backbone 中的低级特征进行投影的卷积层中的滤波器数量。
• prediction_heads：（可选）keras.layers.Layer 的列表，定义模型的预测模块头部。如果未提供，则会创建一个默认头部，包含一个 Conv2D 层，后跟缩放（resizing）。
• refinement_head：（可选）一个 keras.layers.Layer，定义模型的细化模块头部。如果未提供，则会创建一个默认头部，包含一个 Conv2D 层。
• dtype：None、str 或 keras.mixed_precision.DTypePolicy。用于模型计算和权重的 dtype。

[源]

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。

预设是用于保存和加载预训练模型的配置、权重和其他文件资产的目录。preset 可以以下列形式之一传递：

1. 内置预设标识符，例如 'bert_base_en'
2. Kaggle Models 句柄，例如 'kaggle://user/bert/keras/bert_base_en'
3. Hugging Face 句柄，例如 'hf://user/bert_base_en'
4. 本地预设目录的路径，例如 './bert_base_en'

此构造函数可以通过两种方式之一调用。可以从基类调用，例如 keras_hub.models.Backbone.from_preset()，也可以从模型类调用，例如 keras_hub.models.GemmaBackbone.from_preset()。如果从基类调用，则返回对象的子类将从预设目录中的配置推断出来。

对于任何 Backbone 子类，您都可以运行 cls.presets.keys() 来列出该类上所有可用的内置预设。

参数

• preset：string。内置预设标识符、Kaggle Models 句柄、Hugging Face 句柄或本地目录的路径。
• load_weights：bool。如果为 True，权重将被加载到模型架构中。如果为 False，权重将被随机初始化。

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,
)