Нейросеть на базе U-Net для семантической сегментации и локализации людей на изображениях в реальном времени. Проект разработан в рамках хакатона НТЦ «КАМАЗ» и занял призовое место.
Для обучения модели необходимо запустить файл main.py. Набор данных находится в папке date, он был сгенерирован вручную. Инструменты для работы с набором данных называются resizer.py и mask_creator.py. для тестирования сети вы можете запустить файл test.py, а для тестирования в режиме реального времени вам необходимо запустить Show.py. Обученная модель хранится в папке model.
Вы можете скачать обученную модель по ссылке: https://drive.google.com/drive/folders/1ByMH0K_IVUE4aCRbaOH50WY1-Sgnbarj?usp=drive_link оба файла должны быть помещены в папку model в корневом каталоге
- Архитектура: U-Net с skip connections для точной локализации границ
- Функция потерь: Комбинация Dice Loss + Binary Crossentropy для баланса точности и стабильности
- Метрика: Dice coefficient для оценки качества сегментации
- Аугментация: Случайные повороты (±20°), отражения для улучшения обобщающей способности
- Оптимизация: tf.data pipeline с кэшированием и предзагрузкой для эффективного обучения
| Входное изображение | Маска |
|---|---|
 |
 |
| Входное изображение | Предсказание модели | Итог |
|---|---|---|
 |
 |
 |
 |
 |
 |
