【Avnet ZU1试用活动】tf2_unet语义分割

一代睡神的崛起

一、选择现有轻量级unet网络模型
  同样的配方，直接调用系统现有的视觉语义分割模型，目前系统准备了两个seg模型semantic_seg_citys_tf2和medical_seg_cell_tf2，因为小编在大场景下的图像分割做的稍多，因此选择semantic_seg_citys_tf2进行评测。首先进入到当前工程目录下进行程序编译：

1. cd /home/root/Vitis-AI/examples/vai_library/samples/segmentation

复制代码

等待程序成功编译结束，然后进入到模型库：

1. cd /usr/share/vitis_ai_library/models.b512-lr/semantic_seg_citys_tf2
   
2. ls

复制代码

可以看到semantic_seg_citys_tf2.xmodel存在在模型库目录下，然后运行可执行程序对jpeg格式图像进行分割处理：

1. ./test_jpeg_segmentation semantic_seg_citys_tf2 sample_semantic_seg_citys_tf2.png

复制代码

程序会在当前目录下产生分割之后的结果图像0_sample_semantic_seg_citys_tf2_result.jpg，我们可以download到windows操作端进行对比查看，其结果如图所示：

可以看到模型还是很好的将场景划分出来，因为受限于模型的网络复杂程度，因此在精度上有一定的衰减，不过对于一些简要的分割场景还是能够很容易进行处理的。此模型也支持对医学影像分割的场景支持，但是小编在测试下来的结果并不是非常的完美。其次就是对于unet_tf2网络模型的结构，有兴趣的同学可以去自行搜索unet语义分割的相关信息，这里也不一一赘述了，最后模型的加载都是如出一辙，在模型运行的过程中自动把要进行参数计算的数据传递到DPU上了，不需要额外的软件进行上传下载操作。