数据实验楼 | 交通道路语义分割项目重磅发布！

数据实验楼交通道路的语义分割项目正式发布，欢迎大家体验！为支持广大院校的大数据和人工智能实训教学，需要使用平台的老师请尽快与我们联系，便于我们提前准备云服务器等资源。联系电话和微信：136-9329-0406

http://idatacoding.cn/

重要提示

数据实验楼面向全国高校师生提供服务，如未加入所在院校，请先加入院校方可获得服务。

加入院校方法如下：

如果没有院校码，请在线申请。方法如下：

点击菜单栏“申请院校码”，在弹框里填写信息。

信息填写完整后提交。

交通道路的语义分割项目

实训目标

本实训根据道路图像数据，使用Pytorch构建UNet模型对道路图像进行语义分割。通过实训，学生将夯实利用Pytorch搭建深度学习模型的能力，掌握图像语义分割的整体流程，并将其运用到其它真实场景中。

实践工具

NumPy; Pandas; Pillow; Pytorch; Matplotlib;

推荐实训课时：20

前置知识检测

---

项目介绍

本项目首先将交通道路图像数据的原图和其对应的Mask划分为训练集和测试集，然后构建Dataset类读入数据集，在其中构造transform函数对原图以及Mask进行重设大小操作统一图像尺寸，同时将原图转化为Tensor，之后创建Dataloader对象封装为数据迭代器；接着通过继承nn.Module类搭建UNet网络架构，包括上采样和下采样的部分；然后设置损失函数和优化器，定义训练函数，执行模型训练；最后使用PA、MIoU、DICE、MPA四种指标综合评估模型的效果，并将预测的Mask结果，与原始Mask进行对比，观察预测效果。

项目流程

实训任务示例

---

---

---