水稻杂草分割数据集 水稻杂草的语义分割任务 来做数据集准备、模型配置、训练评估等
6类水稻杂草分割数据集数据集有图像904张图像大小是512x512VOC格式可支持UNet、DeepLabv3、SegFormer等模型可直接使用图像未经任何亮度和噪声等预处理使用UNet模型进行水稻杂草的语义分割任务包括数据集准备、模型配置、训练评估以及构建一个简单的GUI应用程序来展示分割结果。1. 安装依赖首先确保你的环境中已经安装了必要的库pipinstalltorch torchvision torchaudio opencv-python albumentations matplotlib tqdm2. 数据集准备假设你的数据集已按照VOC格式组织好包括JPEGImages存放图像和SegmentationClass存放对应的标注掩码图像并且有一个文件列表用于划分训练集和验证集。创建一个自定义的PyTorch Dataset类来加载数据importosfromtorch.utils.dataimportDatasetimportcv2importnumpyasnpfromtorchvisionimporttransformsimportalbumentationsasAfromalbumentations.pytorchimportToTensorV2classRiceWeedDataset(Dataset):def__init__(self,img_dir,mask_dir,list_path,transformNone):self.img_dirimg_dir self.mask_dirmask_dir self.transformtransformwithopen(list_path,r)asf:self.filenames[line.strip()forlineinf]def__len__(self):returnlen(self.filenames)def__getitem__(self,idx):filenameself.filenames[idx]img_pathos.path.join(self.img_dir,filename.jpg)mask_pathos.path.join(self.mask_dir,filename.png)imagecv2.imread(img_path)imagecv2.cvtColor(image,cv2.COLOR_BGR2RGB)maskcv2.imread(mask_path,cv2.IMREAD_GRAYSCALE)ifself.transform:augmentedself.transform(imageimage,maskmask)imageaugmented[image]maskaugmented[mask]# 调整mask的类别数maskmask.long()mask[mask6]0# 如果有超出范围的像素设为背景returnimage,mask定义一些基本的数据增强操作transformA.Compose([A.Resize(512,512),A.Normalize(mean(0.485,0.456,0.406),std(0.229,0.224,0.225)),ToTensorV2()])3. 配置UNet模型实现UNet模型并初始化它importtorch.nnasnnimporttorch# UNet模型的具体实现可以参考公开资源或使用现成的实现# 这里简化了模型结构classUNet(nn.Module):def__init__(self,n_channels,n_classes):super(UNet,self).__init__()# 实现细节省略...passdefforward(self,x):# 前向传播逻辑...passmodelUNet(n_channels3,n_classes7)# 3通道输入7类输出6种杂草背景4. 训练模型定义损失函数和优化器并开始训练fromtorch.utils.dataimportDataLoaderimporttorch.optimasoptim# 加载数据集train_datasetRiceWeedDataset(img_dirpath/to/JPEGImages/,mask_dirpath/to/SegmentationClass/,list_pathpath/to/train.txt,transformtransform)val_datasetRiceWeedDataset(img_dirpath/to/JPEGImages/,mask_dirpath/to/SegmentationClass/,list_pathpath/to/val.txt,transformtransform)train_loaderDataLoader(train_dataset,batch_size4,shuffleTrue)val_loaderDataLoader(val_dataset,batch_size4,shuffleFalse)# 损失函数和优化器criterionnn.CrossEntropyLoss()optimizeroptim.Adam(model.parameters(),lr0.001)# 训练循环forepochinrange(epochs):model.train()running_loss0.0forimages,masksintrain_loader:optimizer.zero_grad()outputsmodel(images)losscriterion(outputs,masks)loss.backward()optimizer.step()running_lossloss.item()*images.size(0)print(fEpoch{epoch1}, Loss:{running_loss/len(train_loader.dataset)})5. 构建GUI应用程序构建一个简单的PyQt5 GUI应用程序来展示UNet的分割结果importsysfromPyQt5.QtWidgetsimportQApplication,QLabel,QVBoxLayout,QWidget,QPushButton,QFileDialogfromPyQt5.QtGuiimportQPixmap,QImageimportcv2importnumpyasnpfromPILimportImageclassAppDemo(QWidget):def__init__(self):super().__init__()self.setWindowTitle(Rice Weed Segmentation)self.setGeometry(100,100,800,600)self.image_labelQLabel(self)self.buttonQPushButton(Load Image,self)self.button.clicked.connect(self.load_image)vboxQVBoxLayout()vbox.addWidget(self.image_label)vbox.addWidget(self.button)self.setLayout(vbox)# 加载已训练的UNet模型self.modeltorch.load(path/to/your/trained_model.pth)self.model.eval()defload_image(self):fname,_QFileDialog.getOpenFileName(self,Open file,,Image files (*.jpg *.png))iffname:self.show_image(fname)defshow_image(self,image_path):imagecv2.imread(image_path)image_tensortransforms.ToTensor()(image).unsqueeze(0)withtorch.no_grad():predictionself.model(image_tensor)_,predstorch.max(prediction,dim1)pred_maskpreds.squeeze().cpu().numpy()pred_maskImage.fromarray(pred_mask.astype(np.uint8),modeP)pred_mask.putpalette([0,0,0,255,0,0,0,255,0,0,0,255,255,255,0,128,0,128])# 根据需要调整颜色板pred_maskpred_mask.convert(RGB)height,width,channelpred_mask.shape bytes_per_line3*width q_imgQImage(pred_mask.data,width,height,bytes_per_line,QImage.Format_RGB888)pixmapQPixmap.fromImage(q_img)self.image_label.setPixmap(pixmap)if__name____main__:appQApplication(sys.argv)demoAppDemo()demo.show()sys.exit(app.exec_())同学呀需要根据自己的具体需求进行适当的修改和调试。希望你能够_训练UNet模型并应用于水稻杂草分割任务仅供参考同学。

相关新闻

电商比价系统不是爬虫练习,而是多源数据融合工程

电商比价系统不是爬虫练习,而是多源数据融合工程

简介:本资源是一套面向计算机专业本科生的毕业设计级商品比价系统实现方案,聚焦Python定向爬虫开发与多范式工程实践,适用于毕业设计、课程设计及综合大作业场景。压缩包共16个文件(含10个核心Python源码、3个编译缓存文件、1个SQ…

2026/10/25 16:12:14 阅读更多 →
FPGA下载方式和常用电平标准

FPGA下载方式和常用电平标准

1. FPGA下载方式FPGA 的 "下载" 本质上是把配置比特流(Bitstream)写入 FPGA 内部配置 SRAM 或外部非易失存储器的过程。下面按三个维度系统梳理。1.1 按数据流向与时钟控制权分类类型时钟来源数据来源典型场景主动模式 (Active)FPGA 自身产生 …

2026/11/15 15:28:09 阅读更多 →
智能化工大模型3.0 Pro发布:从知识传承到工程落地的技术解析

智能化工大模型3.0 Pro发布:从知识传承到工程落地的技术解析

一家做基础科研的国家级研究所,一家做智能语音和认知智能的AI上市企业,一家做云计算与基础模型平台的互联网科技公司,三方联合发布一个行业大模型,意味着什么?化工行业长期存在一个矛盾:经验高度集中&#…

2026/10/24 9:28:49 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/16 8:22:12 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/16 6:41:34 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/16 8:22:12 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/16 8:22:12 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/16 7:30:18 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/16 8:22:12 阅读更多 →

日新闻

周新闻

月新闻