KerasHub:预训练模型 / API 文档 / 模型架构 / DeepLabV3 / DeepLabV3Backbone 模型

DeepLabV3Backbone 模型

[源代码]

DeepLabV3Backbone

keras_hub.models.DeepLabV3Backbone(
    image_encoder,
    spatial_pyramid_pooling_key,
    upsampling_size,
    dilation_rates,
    low_level_feature_key=None,
    projection_filters=48,
    image_shape=(None, None, 3),
    **kwargs
)

用于语义分割的 DeepLabV3 & DeepLabV3Plus 架构。

此类实现了 DeepLabV3 & DeepLabV3Plus 架构,如 Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation (ECCV 2018) 和 Rethinking Atrous Convolution for Semantic Image Segmentation (CVPR 2017) 中所述。

参数

  • image_encoder: keras.Model。用作 Encoder 的特征提取器实例。应为 keras_hub.models.Backbone 或实现了 pyramid_outputs 属性的 keras.Model,其中键为“P2”、“P3”等,值为相应的输出。在许多情况下,一个比较合理的骨干网络是 keras_hub.models.ResNetBackbone.from_preset("resnet_v2_50")
  • projection_filters: int。将来自 image_encoder 的低级特征进行投影的卷积层中的滤波器数量。
  • spatial_pyramid_pooling_key: str。用于提取和执行 spatial_pyramid_pooling 的层级别,它是 image_encoderpyramid_outputs 属性中的一个键,例如“P4”、“P5”等。
  • upsampling_size: int 或包含 2 个整数的 tuple。spatial_pyramid_pooling 层的行和列的上采样因子。如果提供了 low_level_feature_key,则 spatial_pyramid_pooling 层的分辨率应与 low_level_feature 层的分辨率匹配,以便连接这两个层以获得组合的编码器输出。
  • dilation_rates: list。应用于 SpatialPyramidPooling 的并行空洞卷积(dilated conv)的整数列表。通常的速率选择是 [6, 12, 18]
  • low_level_feature_key: str (可选)。从 image_encoderpyramid_outputs 属性中的一个键提取特征的层级别,例如“P2”、“P3”等,这将用作 Decoder 块。仅当需要应用 DeepLabV3Plus 架构时才需要此参数。
  • image_shape: tuple。不包含批量大小的输入形状。默认为 (None, None, 3)

示例

# Load a trained backbone to extract features from it's `pyramid_outputs`.
image_encoder = keras_hub.models.ResNetBackbone.from_preset(
    "resnet_50_imagenet"
)

model = keras_hub.models.DeepLabV3Backbone(
    image_encoder=image_encoder,
    projection_filters=48,
    low_level_feature_key="P2",
    spatial_pyramid_pooling_key="P5",
    upsampling_size = 8,
    dilation_rates = [6, 12, 18]
)

[源代码]

from_preset 方法

DeepLabV3Backbone.from_preset(preset, load_weights=True, **kwargs)

从模型预设实例化一个 keras_hub.models.Backbone

预设(preset)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 可以是以下形式之一:

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

此构造函数可以通过两种方式调用。一种是从基类调用,如 keras_hub.models.Backbone.from_preset();另一种是从模型类调用,如 keras_hub.models.GemmaBackbone.from_preset()。如果从基类调用,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,
)
预设 参数 描述
deeplab_v3_plus_resnet50_pascalvoc 39.19M 使用 ResNet50 作为图像编码器并在 Semantic Boundaries Dataset(SBD) 增强的 Pascal VOC 数据集上训练的 DeepLabV3+ 模型,其分类准确率为 90.01,平均 IoU (Mean IoU) 为 0.63。