语义分割(Unet)

Unet是一种常用于语义分割任务的卷积神经网络架构。

• U-net建立在FCN的网络架构上，这个网络框架，使其能够使用很少的训练图像就得到很 精确的分割结果。
• 添加上采样阶段，并且添加了很多的特征通道，允许更多的原图像纹理的信息在高分辨率的layers中进行传播。
• U-net没有FC层，且全程使用valid来进行卷积，这样的话可以保证分割的结果都是基于没有缺失的上下文特征得到的，对于图像很大的输入，可以使用overlap-strategy来进行无缝的图像输出。

在IGServer-S中构建语义分割（Unet）模型可按照如下流程：

创建数据集

1. 登录系统，切换到"数据管理"->"数据集管理"页面；

2. 点击"新建数据集"，可创建一个新的数据集。使用场景选择"语义分割"。

3. 点击"导入"，导入样本和标注信息。

4. 查看数据集信息后，点击"栅格切片"，构建栅格切片直至完成。

5. 在"数据集管理"列表中，点击数据集后方的"发布"，即可发布数据集。

6. 发布成功后，可在"任务监控"中查看任务发布状态。

模型训练

1. 在"数据集管理"列表中，点击数据集后方的"创建训练任务"，即基于该数据集创建训练任务。

2. 训练成功后，可在"训练管理"中查看任务状态。

模型发布

1. 切换到"模型构建"->"模型管理"页面，点击"注册模型",可将训练任务注册为模型。

2. 成功后，可在列表中查看到已注册的模型。

3. 点击注册模型后方的"部署"，可跳转至"模型推理"页面，点击"新增服务"，可新增模型服务：

4. 新增成功后，在列表中查看到该服务。

模型推理

1. 在"模型推理"列表中开启服务，点击"体验"该服务：

2. 上传图片，点击"提交"，可执行语义分割（Unet）。点击"下载"，即可下载推理结果。

3. 推理结果包含如下三个部分：

• 原始影像
• geojson文件：geojson格式存储的语义分割结果；
• 分类图片：以图片格式存储的语义分割结果。