\u062d\u0627\u0644\u0627 \u06a9\u0647 \u06cc\u06a9 \u062a\u0635\u0648\u06cc\u0631 \u067e\u06cc\u0634 \u067e\u0631\u062f\u0627\u0632\u0634 \u0634\u062f\u0647 \u0648 \u0622\u0645\u0627\u062f\u0647 \u062f\u0627\u0631\u06cc\u0645\u060c \u0645\u06cc \u062e\u0648\u0627\u0647\u06cc\u0645 \u0622\u0646 \u0631\u0627 \u0627\u0632 \u0645\u062f\u0644 \u0639\u0628\u0648\u0631 \u062f\u0627\u062f\u0647 \u0648 \u0646\u062a\u06cc\u062c\u0647 \u062e\u0631\u0648\u062c\u06cc \u0631\u0627 \u0628\u0628\u06cc\u0646\u06cc\u0645.<\/p>\n
\u0647\u0645\u0627\u0646\u0637\u0648\u0631 \u06a9\u0647 \u0642\u0628\u0644\u0627\u064b \u0630\u06a9\u0631 \u0634\u062f\u060c \u062e\u0631\u0648\u062c\u06cc \u0645\u062f\u0644 OrpedDict \u0627\u0633\u062a \u0628\u0646\u0627\u0628\u0631\u0627\u06cc\u0646 \u0628\u0631\u0627\u06cc \u0628\u062f\u0633\u062a \u0622\u0648\u0631\u062f\u0646 \u062e\u0631\u0648\u062c\u06cc \u0645\u062f\u0644 \u0628\u0627\u06cc\u062f \u06a9\u0644\u06cc\u062f out \u0628\u0631\u062f\u0627\u0631\u06cc\u0645.<\/p>\n
# Pass the input through the net\nout = fcn(inp)['out']\nprint (out.shape)<\/pre>\ntorch.Size([1, 21, 224, 224])<\/p>\n
\u0628\u0646\u0627\u0628\u0631\u0627\u06cc\u0646 \u060c out \u062e\u0631\u0648\u062c\u06cc \u0646\u0647\u0627\u06cc\u06cc \u0645\u062f\u0644 \u0627\u0633\u062a. \u0647\u0645\u0627\u0646\u0637\u0648\u0631 \u06a9\u0647 \u0645\u06cc \u0628\u06cc\u0646\u06cc\u062f \u0648 \u0642\u0628\u0644\u0627 \u0647\u0645 \u0627\u0634\u0627\u0631\u0647 \u0634\u062f\u060c \u0627\u0646\u062f\u0627\u0632\u0647 \u0622\u0646 [ 1x 21 x H x W] \u0627\u0633\u062a. \u0627\u0632 \u0622\u0646\u062c\u0627 \u06a9\u0647 \u0627\u06cc\u0646 \u0645\u062f\u0644 \u0631\u0648\u06cc \u06f2\u06f1 \u06a9\u0644\u0627\u0633 \u0622\u0645\u0648\u0632\u0634 \u062f\u06cc\u062f\u0647 \u0627\u0633\u062a\u060c \u062e\u0631\u0648\u062c\u06cc \u06f2\u06f1 \u06a9\u0627\u0646\u0627\u0644 \u062f\u0627\u0631\u062f.<\/p>\n
\u062d\u0627\u0644\u0627 \u06a9\u0627\u0631\u06cc \u06a9\u0647 \u0645\u0627 \u0628\u0627\u06cc\u062f \u0627\u0646\u062c\u0627\u0645 \u062f\u0647\u06cc\u0645 \u0627\u06cc\u0646 \u0627\u0633\u062a \u06a9\u0647 \u0627\u06cc\u0646 \u062e\u0631\u0648\u062c\u06cc \u06f2\u06f1 \u06a9\u0627\u0646\u0627\u0644\u0647 \u0631\u0627 \u0628\u0647 \u06cc\u06a9 \u062a\u0635\u0648\u06cc\u0631 \u062f\u0648 \u0628\u0639\u062f\u06cc \u06cc\u0627 \u06cc\u06a9 \u062a\u0635\u0648\u06cc\u0631 \u06f1 \u06a9\u0627\u0646\u0627\u0644\u0647 \u062a\u0628\u062f\u06cc\u0644 \u06a9\u0646\u06cc\u0645\u060c \u06a9\u0647 \u0647\u0631 \u067e\u06cc\u06a9\u0633\u0644 \u0627\u0632 \u0622\u0646 \u062a\u0635\u0648\u06cc\u0631 \u0645\u0631\u0628\u0648\u0637 \u0628\u0647 \u06cc\u06a9 \u06a9\u0644\u0627\u0633 \u0628\u0627\u0634\u062f.<\/p>\n
<\/p>\n
\u0647\u0631 \u067e\u06cc\u06a9\u0633\u0644 \u0627\u0632 \u062a\u0635\u0648\u06cc\u0631 \u062f\u0648 \u0628\u0639\u062f\u06cc ( \u0628\u0647 \u0627\u0628\u0639\u0627\u062f[H x W] )\u060c \u062f\u0627\u0631\u0627\u06cc \u06cc\u06a9 \u0628\u0631\u0686\u0633\u0628 \u06a9\u0644\u0627\u0633 \u0645\u062a\u0646\u0627\u0638\u0631 \u0627\u0633\u062a. \u062a\u0648\u062c\u0647 \u062f\u0627\u0634\u062a\u0647 \u0628\u0627\u0634\u06cc\u062f \u06a9\u0647 \u0647\u0631 \u067e\u06cc\u06a9\u0633\u0644(x,y) \u062f\u0631 \u0627\u06cc\u0646 \u062a\u0635\u0648\u06cc\u0631 \u062f\u0648 \u0628\u0639\u062f\u06cc \u0645\u0631\u0628\u0648\u0637 \u0628\u0647 \u0639\u062f\u062f\u06cc \u0628\u06cc\u0646 \u06f0 \u062a\u0627 \u06f2\u06f0 \u0627\u0633\u062a \u06a9\u0647 \u06cc\u06a9 \u06a9\u0644\u0627\u0633 \u0631\u0627 \u0646\u0634\u0627\u0646 \u0645\u06cc \u062f\u0647\u062f.<\/p>\n
\u062d\u0627\u0644 \u0633\u0648\u0627\u0644 \u0627\u06cc\u0646 \u0627\u0633\u062a \u06a9\u0647 \u0686\u06af\u0648\u0646\u0647 \u0645\u06cc \u062a\u0648\u0627\u0646\u06cc\u0645 \u0627\u0632 \u0627\u06cc\u0646 \u062a\u0635\u0648\u06cc\u0631 \u0641\u0639\u0644\u06cc \u0628\u0627 \u0627\u0628\u0639\u0627\u062f [ \u06f1x 21 x H x W] \u0628\u0647 \u062a\u0635\u0648\u06cc\u0631 \u0645\u0648\u0631\u062f \u0646\u0638\u0631 \u0628\u0631\u0633\u06cc\u0645\u061f<\/p>\n
\u0628\u0633\u06cc\u0627\u0631 \u0633\u0627\u062f\u0647 \u0627\u0633\u062a! \u0645\u0627 \u0628\u0631\u0627\u06cc \u0647\u0631 \u0645\u0648\u0642\u0639\u06cc\u062a \u067e\u06cc\u06a9\u0633\u0644 \u06cc\u06a9 \u0634\u0627\u062e\u0635 \u062d\u062f\u0627\u06a9\u062b\u0631 \u062f\u0631\u0646\u0638\u0631 \u0645\u06cc \u06af\u06cc\u0631\u06cc\u0645 \u06a9\u0647 \u0646\u0634\u0627\u0646 \u062f\u0647\u0646\u062f\u0647 \u06a9\u0644\u0627\u0633 \u0627\u0633\u062a.<\/p>\n
import numpy as np\nom = torch.argmax(out.squeeze(), dim=0).detach().cpu().numpy()\nprint (om.shape)\n<\/pre>\n(\u06f2\u06f2\u06f4, \u06f2\u06f2\u06f4)<\/p>\n
print (np.unique(om))\n<\/pre>\n[\u06f0 \u06f3]<\/span><\/p>\n\u0647\u0645\u0627\u0646\u0637\u0648\u0631 \u06a9\u0647 \u0645\u06cc \u062a\u0648\u0627\u0646 \u067e\u0633 \u0627\u0632 \u067e\u0631\u062f\u0627\u0632\u0634 \u0645\u0634\u0627\u0647\u062f\u0647 \u06a9\u0631\u062f\u060c \u0627\u06a9\u0646\u0648\u0646 \u06cc\u06a9 \u062a\u0635\u0648\u06cc\u0631 \u062f\u0648 \u0628\u0639\u062f\u06cc \u062f\u0627\u0631\u06cc\u0645 \u06a9\u0647 \u0647\u0631 \u067e\u06cc\u06a9\u0633\u0644 \u0622\u0646 \u0645\u0631\u0628\u0648\u0637 \u0628\u0647 \u06cc\u06a9 \u06a9\u0644\u0627\u0633 \u0627\u0633\u062a. \u0622\u062e\u0631\u06cc\u0646 \u06a9\u0627\u0631\u06cc \u06a9\u0647 \u0628\u0627\u06cc\u062f \u0627\u0646\u062c\u0627\u0645 \u0634\u0648\u062f \u0627\u06cc\u0646 \u0627\u0633\u062a \u06a9\u0647 \u0627\u06cc\u0646 \u062a\u0635\u0648\u06cc\u0631 \u062f\u0648 \u0628\u0639\u062f\u06cc \u0631\u0627 \u0628\u0647 \u06cc\u06a9 \u0637\u0631\u062d \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u062a\u0628\u062f\u06cc\u0644 \u06a9\u0646\u06cc\u062f \u06a9\u0647 \u062f\u0631 \u0622\u0646 \u0647\u0631 \u0628\u0631\u0686\u0633\u0628 \u06a9\u0644\u0627\u0633 \u0628\u0647 \u06cc\u06a9 \u0631\u0646\u06af RGB \u062a\u0628\u062f\u06cc\u0644 \u0645\u06cc \u0634\u0648\u062f\u060c \u062a\u0627 \u062c\u0644\u0648\u0647 \u0628\u0635\u0631\u06cc \u0645\u0637\u0644\u0648\u0628\u06cc \u062f\u0627\u0634\u062a\u0647 \u0628\u0627\u0634\u06cc\u0645.<\/p>\n\n\n
\u06f5-\u06f2-\u06f3 \u0631\u0645\u0632\u06af\u0634\u0627\u06cc\u06cc \u062e\u0631\u0648\u062c\u06cc<\/strong><\/h4>\n\n\n\u0645\u0627 \u0628\u0631\u0627\u06cc \u062a\u0628\u062f\u06cc\u0644 \u0627\u06cc\u0646 \u062a\u0635\u0648\u06cc\u0631 \u062f\u0648 \u0628\u0639\u062f\u06cc \u0628\u0647 \u06cc\u06a9 \u062a\u0635\u0648\u06cc\u0631 RGB \u06a9\u0647 \u0647\u0631 \u0628\u0631\u0686\u0633\u0628 \u0628\u0647 \u0631\u0646\u06af \u0645\u0631\u0628\u0648\u0637\u0647 \u062e\u0648\u062f \u0646\u06af\u0627\u0634\u062a \u0645\u06cc \u0634\u0648\u062f\u060c \u0627\u0632 \u062a\u0627\u0628\u0639 \u0632\u06cc\u0631 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u062e\u0648\u0627\u0647\u06cc\u0645 \u06a9\u0631\u062f.<\/p>\n
# Define the helper function\ndef decode_segmap(image, nc=21):\n label_colors = np.array([(0, 0, 0), # 0=background\n # \u06f1=aeroplane, 2=bicycle, 3=bird, 4=boat, 5=bottle\n (\u06f1\u06f2\u06f8, \u06f0, \u06f0), (\u06f0, \u06f1\u06f2\u06f8, \u06f0), (\u06f1\u06f2\u06f8, \u06f1\u06f2\u06f8, \u06f0), (\u06f0, \u06f0, \u06f1\u06f2\u06f8), (\u06f1\u06f2\u06f8, \u06f0, \u06f1\u06f2\u06f8),\n # \u06f6=bus, 7=car, 8=cat, 9=chair, 10=cow\n (\u06f0, \u06f1\u06f2\u06f8, \u06f1\u06f2\u06f8), (\u06f1\u06f2\u06f8, \u06f1\u06f2\u06f8, \u06f1\u06f2\u06f8), (\u06f6\u06f4, \u06f0, \u06f0), (\u06f1\u06f9\u06f2, \u06f0, \u06f0), (\u06f6\u06f4, \u06f1\u06f2\u06f8, \u06f0),\n # \u06f1\u06f1=dining table, 12=dog, 13=horse, 14=motorbike, 15=person\n (\u06f1\u06f9\u06f2, \u06f1\u06f2\u06f8, \u06f0), (\u06f6\u06f4, \u06f0, \u06f1\u06f2\u06f8), (\u06f1\u06f9\u06f2, \u06f0, \u06f1\u06f2\u06f8), (\u06f6\u06f4, \u06f1\u06f2\u06f8, \u06f1\u06f2\u06f8), (\u06f1\u06f9\u06f2, \u06f1\u06f2\u06f8, \u06f1\u06f2\u06f8),\n # \u06f1\u06f6=potted plant, 17=sheep, 18=sofa, 19=train, 20=tv\/monitor\n (\u06f0, \u06f6\u06f4, \u06f0), (\u06f1\u06f2\u06f8, \u06f6\u06f4, \u06f0), (\u06f0, \u06f1\u06f9\u06f2, \u06f0), (\u06f1\u06f2\u06f8, \u06f1\u06f9\u06f2, \u06f0), (\u06f0, \u06f6\u06f4, \u06f1\u06f2\u06f8)])\n r = np.zeros_like(image).astype(np.uint8)\n g = np.zeros_like(image).astype(np.uint8)\n b = np.zeros_like(image).astype(np.uint8)\n for l in range(0, nc):\n idx = image == l\n r[idx] = label_colors[l, 0]\n g[idx] = label_colors[l, 1]\n b[idx] = label_colors[l, 2]\n rgb = np.stack([r, g, b], axis=2)\n return rgb<\/pre>\n\u0628\u06cc\u0627\u06cc\u06cc\u062f \u0646\u06af\u0627\u0647\u06cc \u0628\u0647 \u062f\u0631\u0648\u0646 \u0627\u06cc\u0646 \u062a\u0627\u0628\u0639 \u0628\u06cc\u0646\u062f\u0627\u0632\u06cc\u0645.<\/p>\n
\u0627\u0628\u062a\u062f\u0627 \u0645\u062a\u063a\u06cc\u0631 label_colors \u0631\u0646\u06af \u0647\u0627\u06cc \u0645\u0631\u0628\u0648\u0637 \u0628\u0647 \u0647\u0631 \u06a9\u0644\u0627\u0633 \u0631\u0627 \u0628\u0631 \u0627\u0633\u0627\u0633 \u0634\u0627\u062e\u0635 \u0630\u062e\u06cc\u0631\u0647 \u0645\u06cc \u06a9\u0646\u062f. \u0628\u0646\u0627\u0628\u0631\u0627\u06cc\u0646\u060c \u0631\u0646\u06af \u0645\u0631\u0628\u0648\u0637 \u0628\u0647 \u06a9\u0644\u0627\u0633 \u0627\u0648\u0644 \u06a9\u0647 \u067e\u0633 \u0632\u0645\u06cc\u0646\u0647 \u0627\u0633\u062a\u060c \u062f\u0631 \u0634\u0627\u062e\u0635 \u06f0 \u0627\u0632 \u0644\u06cc\u0633\u062a label_colors \u0630\u062e\u06cc\u0631\u0647 \u0645\u06cc \u0634\u0648\u062f. \u06a9\u0644\u0627\u0633 \u062f\u0648\u0645 \u06a9\u0647 \u0647\u0648\u0627\u067e\u06cc\u0645\u0627 \u0627\u0633\u062a\u060c \u062f\u0631 \u0634\u0627\u062e\u0635 \u06f1 \u0648 \u0628\u0642\u06cc\u0647 \u0628\u0647 \u0647\u0645\u06cc\u0646 \u062a\u0631\u062a\u06cc\u0628 \u0630\u062e\u06cc\u0631\u0647 \u0645\u06cc \u0634\u0648\u062f.<\/p>\n
\u062d\u0627\u0644\u0627 \u0628\u0627\u06cc\u062f \u0627\u0632 \u062a\u0635\u0648\u06cc\u0631 \u062f\u0648 \u0628\u0639\u062f\u06cc \u06a9\u0647 \u062f\u0627\u0631\u06cc\u0645 \u06cc\u06a9 \u062a\u0635\u0648\u06cc\u0631 RGB \u0628\u0633\u0627\u0632\u06cc\u0645. \u0628\u0646\u0627\u0628\u0631\u0627\u06cc\u0646\u060c \u06a9\u0627\u0631\u06cc \u06a9\u0647 \u0627\u0646\u062c\u0627\u0645 \u0645\u06cc \u062f\u0647\u06cc\u0645 \u0627\u06cc\u0646 \u0627\u0633\u062a \u06a9\u0647 \u0628\u0631\u0627\u06cc \u0647\u0631 \u06cc\u06a9 \u0627\u0632 \u06f3 \u06a9\u0627\u0646\u0627\u0644\u060c \u06cc\u06a9 \u0645\u0627\u062a\u0631\u06cc\u0633 \u062f\u0648 \u0628\u0639\u062f\u06cc \u062e\u0627\u0644\u06cc \u0627\u06cc\u062c\u0627\u062f \u0645\u06cc \u06a9\u0646\u06cc\u0645.<\/p>\n
\u0628\u0646\u0627\u0628\u0631\u0627\u06cc\u0646 r \u060c g \u0648 b \u0622\u0631\u0627\u06cc\u0647 \u0647\u0627\u06cc\u06cc \u0647\u0633\u062a\u0646\u062f \u06a9\u0647 \u06a9\u0627\u0646\u0627\u0644 \u0647\u0627\u06cc RGB \u0631\u0627 \u0628\u0631\u0627\u06cc \u062a\u0635\u0648\u06cc\u0631 \u0646\u0647\u0627\u06cc\u06cc \u062a\u0634\u06a9\u06cc\u0644 \u0645\u06cc \u062f\u0647\u0646\u062f. \u0647\u0631 \u06cc\u06a9 \u0627\u0632 \u0627\u06cc\u0646 \u0622\u0631\u0627\u06cc\u0647 \u0647\u0627 \u0628\u0647 \u0627\u0628\u0639\u0627\u062f[H x W] \u0627\u0633\u062a (\u06a9\u0647 \u0647\u0645\u0627\u0646 \u0634\u06a9\u0644 \u062f\u0648 \u0628\u0639\u062f\u06cc \u062a\u0635\u0648\u06cc\u0631 \u0627\u0633\u062a).<\/p>\n
\u0627\u06a9\u0646\u0648\u0646 \u060c \u0645\u0627 \u0631\u0648\u06cc \u0647\u0631 \u0631\u0646\u06af \u06a9\u0644\u0627\u0633 \u06a9\u0647 \u062f\u0631 label_colors \u0630\u062e\u06cc\u0631\u0647 \u06a9\u0631\u062f\u0647 \u0627\u06cc\u0645 \u062d\u0644\u0642\u0647 \u0627\u06cc\u062c\u0627\u062f \u0645\u06cc \u06a9\u0646\u06cc\u0645 \u0648 \u0634\u0627\u062e\u0635 \u0647\u0627\u06cc \u0645\u0631\u0628\u0648\u0637\u0647 \u062f\u0631 \u062a\u0635\u0648\u06cc\u0631 \u06a9\u0647 \u062f\u0631 \u0622\u0646 \u0628\u0631\u0686\u0633\u0628 \u06a9\u0644\u0627\u0633 \u0648\u062c\u0648\u062f \u062f\u0627\u0631\u062f \u0631\u0627 \u0628\u0647 \u062f\u0633\u062a \u0645\u06cc \u0622\u0648\u0631\u06cc\u0645. \u0633\u067e\u0633 \u0628\u0631\u0627\u06cc \u0647\u0631 \u06a9\u0627\u0646\u0627\u0644\u060c \u0631\u0646\u06af \u0645\u0631\u0628\u0648\u0637 \u0628\u0647 \u0622\u0646 \u0631\u0627 \u0628\u0647 \u0622\u0646 \u067e\u06cc\u06a9\u0633\u0644 \u0647\u0627\u06cc\u06cc \u06a9\u0647 \u0622\u0646 \u0628\u0631\u0686\u0633\u0628 \u06a9\u0644\u0627\u0633 \u0631\u0627 \u062f\u0627\u0631\u0646\u062f\u060c \u0627\u062e\u062a\u0635\u0627\u0635 \u0645\u06cc \u062f\u0647\u06cc\u0645.<\/p>\n
\u062f\u0631 \u0646\u0647\u0627\u06cc\u062a\u060c \u06f3 \u06a9\u0627\u0646\u0627\u0644 \u062c\u062f\u0627\u06af\u0627\u0646\u0647 \u0631\u0627 \u0631\u0648\u06cc \u0647\u0645 \u0642\u0631\u0627\u0631 \u0645\u06cc \u062f\u0647\u06cc\u0645 \u062a\u0627 \u06cc\u06a9 \u062a\u0635\u0648\u06cc\u0631 RGB \u0628\u062f\u0633\u062a \u0622\u0648\u0631\u06cc\u0645.<\/p>\n
\u062d\u0627\u0644 \u0642\u0635\u062f \u062f\u0627\u0631\u06cc\u0645 \u0627\u0632 \u0627\u06cc\u0646 \u062a\u0627\u0628\u0639 \u0628\u0631\u0627\u06cc \u062f\u06cc\u062f\u0646 \u062e\u0631\u0648\u062c\u06cc \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u0634\u062f\u0647 \u0646\u0647\u0627\u06cc\u06cc \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u06a9\u0646\u06cc\u0645.<\/p>\n
rgb = decode_segmap(om)\nplt.imshow(rgb); plt.show()\n<\/pre>\n<\/p>\n\n\n
![\"\u0646\u0627\u062d\u06cc\u0647](\"https:\/\/shahaab-co.com\/mag\/wp-content\/uploads\/2021\/04\/\u0646\u0627\u062d\u06cc\u0647-\u0628\u0646\u062f\u06cc-\u062a\u0635\u0648\u06cc\u0631-\u067e\u0631\u0646\u062f\u0647-\u062f\u0631-PyTorch.png\" "\\"\\"")
<\/figure><\/div>\n\n\n\u0628\u062f\u06cc\u0646 \u062a\u0631\u062a\u06cc\u0628\u060c \u0645\u0627 \u062e\u0631\u0648\u062c\u06cc \u062a\u0635\u0648\u06cc\u0631 \u0631\u0627 \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc\u06a9\u0631\u062f\u06cc\u0645. \u06a9\u0647 \u06cc\u06a9 \u067e\u0631\u0646\u062f\u0647 \u0627\u0633\u062a!<\/p>\n
\u062a\u0648\u062c\u0647: \u062a\u0635\u0648\u06cc\u0631 \u0628\u0639\u062f \u0627\u0632 \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u060c \u06a9\u0648\u0686\u06a9\u062a\u0631 \u0627\u0632 \u062a\u0635\u0648\u06cc\u0631 \u0627\u0635\u0644\u06cc \u0627\u0633\u062a\u060c \u0632\u06cc\u0631\u0627 \u062a\u0635\u0648\u06cc\u0631 \u062f\u0631 \u0645\u0631\u062d\u0644\u0647 \u067e\u06cc\u0634 \u067e\u0631\u062f\u0627\u0632\u0634 \u062a\u063a\u06cc\u06cc\u0631 \u0627\u0646\u062f\u0627\u0632\u0647 \u062f\u0627\u062f\u0647 \u0648 \u0628\u0631\u0634 \u062f\u0627\u062f\u0647 \u0645\u06cc \u0634\u0648\u062f.<\/strong><\/p>\n\n\n\u06f6-\u06f2-\u06f3 \u0646\u062a\u06cc\u062c\u0647 \u0646\u0647\u0627\u06cc\u06cc<\/strong><\/h4>\n\n\n\u062d\u0627\u0644\u0627 \u0628\u06cc\u0627\u06cc\u06cc\u062f \u0647\u0645\u0647 \u0627\u06cc\u0646 \u0647\u0627 \u0631\u0627 \u0628\u0647 \u06cc\u06a9 \u062a\u0627\u0628\u0639 \u0645\u062c\u0632\u0627 \u0645\u0646\u062a\u0642\u0644 \u06a9\u0646\u06cc\u0645 \u0648 \u0628\u0627 \u0686\u0646\u062f \u062a\u0635\u0648\u06cc\u0631 \u062f\u06cc\u06af\u0631 \u0627\u062c\u0631\u0627 \u06a9\u0646\u06cc\u0645 :<\/p>\n
def segment(net, path):\n img = Image.open(path)\n plt.imshow(img); plt.axis('off'); plt.show()\n # Comment the Resize and CenterCrop for better inference results\n trf = T.Compose([T.Resize(256), \n T.CenterCrop(224), \n T.ToTensor(), \n T.Normalize(mean = [0.485, 0.456, 0.406], \n std = [0.229, 0.224, 0.225])])\n inp = trf(img).unsqueeze(0)\n out = net(inp)['out']\n om = torch.argmax(out.squeeze(), dim=0).detach().cpu().numpy()\n rgb = decode_segmap(om)\n plt.imshow(rgb); plt.axis('off'); plt.show()<\/pre>\n\u0628\u06cc\u0627\u06cc\u06cc\u062f \u06cc\u06a9 \u062a\u0635\u0648\u06cc\u0631 \u062c\u062f\u06cc\u062f \u0628\u06af\u06cc\u0631\u06cc\u0645 !<\/p>\n
!wget -nv https:\/\/learnopencv.com\/wp-content\/uploads\/2021\/01\/horse-segmentation.jpeg -O horse.png\nsegment(fcn, '.\/horse.png')\n<\/pre>\n<\/p>\n\n\n
![\"\u062a\u0635\u0648\u06cc\u0631](\"https:\/\/shahaab-co.com\/mag\/wp-content\/uploads\/2021\/04\/\u062a\u0635\u0648\u06cc\u0631-\u0627\u0633\u0628-\u0628\u0631\u0627\u06cc-\u0646\u0627\u062d\u06cc\u0647-\u0628\u0646\u062f\u06cc.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\n\n![\"\u062a\u0635\u0648\u06cc\u0631](\"https:\/\/shahaab-co.com\/mag\/wp-content\/uploads\/2021\/04\/\u062a\u0635\u0648\u06cc\u0631-\u0646\u0627\u062d\u06cc\u0647-\u0628\u0646\u062f\u06cc-\u0634\u062f\u0647-\u0627\u0633\u0628-\u062f\u0631-PyTourch.png\" "\\"\\"")
<\/figure><\/div>\n\n\n\u0686\u0637\u0648\u0631 \u0628\u0648\u062f\u061f \u062d\u0627\u0644\u0627 \u0628\u06cc\u0627\u06cc\u06cc\u062f \u0628\u0647 \u0633\u0631\u0627\u063a \u06cc\u06a9\u06cc \u0627\u0632 \u0645\u0639\u0645\u0627\u0631\u06cc \u0647\u0627\u06cc \u067e\u06cc\u0634\u0631\u0641\u062a\u0647 \u062f\u0631 \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u0645\u0639\u0646\u0627\u06cc\u06cc \u06cc\u0639\u0646\u06cc DeepLab \u0628\u0631\u0648\u06cc\u0645.<\/p>\n\n\n
<\/span>\u06f3-\u06f3 \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u0645\u0639\u0646\u0627\u06cc\u06cc \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 DeepLab<\/strong><\/span><\/h3>\n\n\nDeepLab \u06cc\u06a9 \u0645\u0639\u0645\u0627\u0631\u06cc \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u0645\u0639\u0646\u0627\u06cc\u06cc \u0627\u0633\u062a \u06a9\u0647 \u0627\u0632 Google Brain \u0646\u0634\u0623\u062a \u0645\u06cc \u06af\u06cc\u0631\u062f. \u0628\u06cc\u0627\u06cc\u06cc\u062f \u0628\u0628\u06cc\u0646\u06cc\u0645 \u0686\u06af\u0648\u0646\u0647 \u0645\u06cc \u062a\u0648\u0627\u0646\u06cc\u0645 \u0627\u0632 \u0622\u0646 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u06a9\u0646\u06cc\u0645.<\/p>\n
dlab = models.segmentation.deeplabv3_resnet101(pretrained=1).eval()<\/pre>\n\u0686\u06af\u0648\u0646\u0647 \u0645\u06cc \u062a\u0648\u0627\u0646 \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 \u0627\u06cc\u0646 \u0645\u062f\u0644\u060c \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u0645\u0639\u0646\u0627\u06cc\u06cc \u0631\u0627 \u0628\u0631 \u0631\u0648\u06cc \u0647\u0645\u0627\u0646 \u062a\u0635\u0648\u06cc\u0631 \u0627\u0646\u062c\u0627\u0645 \u062f\u0627\u062f\u061f \u0645\u0627 \u0627\u0632 \u0647\u0645\u0627\u0646 \u062a\u0627\u0628\u0639\u06cc \u06a9\u0647 \u062f\u0631 \u0628\u0627\u0644\u0627 \u062a\u0639\u0631\u06cc\u0641 \u06a9\u0631\u062f\u06cc\u0645 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0645\u06cc \u06a9\u0646\u06cc\u0645.<\/p>\n
segment(dlab, '.\/horse.png')\n<\/pre>\n<\/p>\n\n\n<\/figure>\n\n\n\n![\"\u062a\u0635\u0648\u06cc\u0631](\"https:\/\/shahaab-co.com\/mag\/wp-content\/uploads\/2021\/04\/\u062a\u0635\u0648\u06cc\u0631-\u0646\u0627\u062d\u06cc\u0647-\u0628\u0646\u062f\u06cc-\u0634\u062f\u0647-\u0627\u0633\u0628-\u062f\u0631-PyTourch-2.png\" "\\"\\"")
<\/figure><\/div>\n\n\n\u0628\u062f\u06cc\u0646 \u062a\u0631\u062a\u06cc\u0628\u060c \u0645\u0644\u0627\u062d\u0638\u0647 \u0645\u06cc \u06a9\u0646\u06cc\u062f \u06a9\u0647 \u060c \u0645\u062f\u0644 DeepLab \u062a\u0642\u0631\u06cc\u0628\u0627\u064b \u0628\u0637\u0648\u0631 \u06a9\u0627\u0645\u0644 \u0627\u0633\u0628 \u0631\u0627 \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u06a9\u0631\u062f\u0647 \u0627\u0633\u062a.<\/p>\n\n\n
<\/span>\u06f4-\u06f3 \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u0686\u0646\u062f \u0645\u0648\u0631\u062f\u06cc<\/strong><\/span><\/h3>\n\n\n\u0648\u0642\u062a\u06cc \u06cc\u06a9 \u062a\u0635\u0648\u06cc\u0631 \u067e\u06cc\u0686\u06cc\u062f\u0647 \u062a\u0631 \u0628\u0627 \u0627\u0634\u06cc\u0627 \u0632\u06cc\u0627\u062f \u062f\u0627\u0634\u062a\u0647 \u0628\u0627\u0634\u06cc\u0645\u060c \u0645\u06cc \u062a\u0648\u0627\u0646\u06cc\u0645 \u0646\u062a\u0627\u06cc\u062c \u0645\u062a\u0641\u0627\u0648\u062a\u06cc \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 \u0647\u0631 \u062f\u0648 \u0645\u062f\u0644 \u0645\u0634\u0627\u0647\u062f\u0647 \u06a9\u0646\u06cc\u0645.<\/p>\n
\u0645\u06cc \u062e\u0648\u0627\u0647\u06cc\u0645 \u0622\u0646 \u0631\u0627 \u0627\u0645\u062a\u062d\u0627\u0646 \u06a9\u0646\u06cc\u0645!<\/p>\n
!wget -nv \"https:\/\/learnopencv.com\/wp-content\/uploads\/2021\/01\/person-segmentation.jpeg\" -O dog-park.png\nimg = Image.open('.\/dog-park.png')\nplt.imshow(img); plt.show()\nprint ('Segmenatation Image on FCN')\nsegment(fcn, path='.\/dog-park.png', show_orig=False)\nprint ('Segmenatation Image on DeepLabv3')\nsegment(dlab, path='.\/dog-park.png', show_orig=False)<\/pre>\n<\/p>\n\n\n
![\"\u062a\u0635\u0648\u06cc\u0631](\"https:\/\/shahaab-co.com\/mag\/wp-content\/uploads\/2021\/04\/\u062a\u0635\u0648\u06cc\u0631-\u0645\u0648\u0631\u062f-\u0646\u0638\u0631-\u0628\u0631\u0627\u06cc-\u0646\u0627\u062d\u06cc\u0647-\u0628\u0646\u062f\u06cc-1024x683.jpeg\" "\\"\\"")
<\/figure><\/div>\n\n\n\u062a\u0635\u0648\u06cc\u0631 \u0627\u0635\u0644\u06cc<\/p>\n\n\n
![\"\u0646\u0627\u062d\u06cc\u0647](\"https:\/\/shahaab-co.com\/mag\/wp-content\/uploads\/2021\/04\/\u0646\u0627\u062d\u06cc\u0647-\u0628\u0646\u062f\u06cc-\u062a\u0635\u0648\u06cc\u0631-\u0628\u0627-FCN.png\" "\\"\\"")
<\/figure><\/div>\n\n\n\u0646\u062a\u06cc\u062c\u0647 \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u0645\u0639\u0646\u0627\u06cc\u06cc \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 FCN<\/p>\n\n\n
![\"\u0646\u0627\u062d\u06cc\u0647](\"https:\/\/shahaab-co.com\/mag\/wp-content\/uploads\/2021\/04\/\u0646\u0627\u062d\u06cc\u0647-\u0628\u0646\u062f\u06cc-\u062a\u0635\u0648\u06cc\u0631-\u0628\u0627-DeepLab.png\" "\\"\\"")
<\/figure><\/div>\n\n\n\u0646\u062a\u06cc\u062c\u0647 \u0646\u0627\u062d\u06cc\u0647 \u0628\u0646\u062f\u06cc \u0645\u0639\u0646\u0627\u06cc\u06cc \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 DeepLab<\/p>\n
\u0647\u0645\u0627\u0646\u0637\u0648\u0631 \u06a9\u0647 \u0645\u0644\u0627\u062d\u0638\u0647 \u0645\u06cc \u06a9\u0646\u06cc\u062f\u060c \u0647\u0631 \u062f\u0648 \u0645\u062f\u0644 \u0639\u0645\u0644\u06a9\u0631\u062f \u06a9\u0627\u0645\u0644\u0627\u064b \u0642\u0627\u0628\u0644 \u0642\u0628\u0648\u0644\u06cc \u062f\u0627\u0631\u0646\u062f. \u0628\u0627 \u0627\u06cc\u0646 \u062d\u0627\u0644 \u060c \u0645\u062a\u0627\u0633\u0641\u0627\u0646\u0647 \u0645\u0648\u0627\u0631\u062f\u06cc \u0648\u062c\u0648\u062f \u062f\u0627\u0631\u062f \u06a9\u0647 \u0645\u062f\u0644 \u0646\u062a\u06cc\u062c\u0647 \u0645\u0648\u0641\u0642\u06cc \u0646\u062e\u0648\u0627\u0647\u062f \u062f\u0627\u0634\u062a.<\/p>\n
<\/div>
<\/div>\n\n\n
<\/span>\u06f4- \u0645\u0642\u0627\u06cc\u0633\u0647<\/strong><\/span><\/h2>\n\n\n\u062a\u0627\u06a9\u0646\u0648\u0646 \u0645\u0627 \u0646\u062d\u0648\u0647 \u06a9\u0627\u0631 \u06a9\u062f \u0648 \u0646\u062d\u0648\u0647 \u06a9\u06cc\u0641\u06cc\u062a \u0628\u0635\u0631\u06cc \u062e\u0631\u0648\u062c\u06cc \u0647\u0627 \u0631\u0627 \u062f\u06cc\u062f\u06cc\u0645. \u062f\u0631 \u0627\u06cc\u0646 \u0628\u062e\u0634\u060c \u062c\u0646\u0628\u0647 \u0647\u0627\u06cc \u06a9\u0645\u06cc \u0645\u062f\u0644 \u0647\u0627 \u0631\u0627 \u0645\u0648\u0631\u062f \u0628\u062d\u062b \u0642\u0631\u0627\u0631 \u0645\u06cc \u062f\u0647\u06cc\u0645. \u0647\u0645\u0686\u0646\u06cc\u0646 \u0628\u0631\u0627\u0633\u0627\u0633 \u06f3 \u0645\u0639\u06cc\u0627\u0631 \u0632\u06cc\u0631 \u062f\u0648 \u0645\u062f\u0644 \u0631\u0627 \u0628\u0627 \u06cc\u06a9\u062f\u06cc\u06af\u0631 \u0645\u0642\u0627\u06cc\u0633\u0647 \u062e\u0648\u0627\u0647\u06cc\u0645 \u06a9\u0631\u062f.<\/p>\n
\n- \u0632\u0645\u0627\u0646 \u0627\u0633\u062a\u0646\u0628\u0627\u0637 \u062f\u0631 CPU \u0648 GPU<\/li>\n
- \u0627\u0646\u062f\u0627\u0632\u0647 \u0645\u062f\u0644<\/li>\n
- \u062d\u0627\u0641\u0638\u0647 \u0645\u0648\u0631\u062f \u0627\u0633\u062a\u0641\u0627\u062f\u0647 GPU \u0647\u0646\u06af\u0627\u0645 \u0627\u0633\u062a\u0646\u0628\u0627\u0637<\/li>\n<\/ul>\n\n\n
<\/span>\u06f1-\u06f4 \u0632\u0645\u0627\u0646 \u0627\u0633\u062a\u0646\u0628\u0627\u0637<\/strong><\/span><\/h3>\n\n\n\u0645\u0627 \u0628\u0631\u0627\u06cc \u0627\u062c\u0631\u0627\u06cc \u06a9\u062f \u0648 \u062f\u0633\u062a\u06cc\u0627\u0628\u06cc \u0628\u0647 \u0627\u06cc\u0646 \u0646\u062a\u0627\u06cc\u062c \u0627\u0632 Google Colab \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u06a9\u0631\u062f\u06cc\u0645. \u0645\u06cc \u062a\u0648\u0627\u0646\u06cc\u062f \u06a9\u062f \u0645\u0631\u0628\u0648\u0637\u0647 \u0631\u0627 \u0628\u0631\u0631\u0633\u06cc \u06a9\u0646\u06cc\u062f.<\/p>\n\n\n
![\"\u0632\u0645\u0627\u0646](\"https:\/\/shahaab-co.com\/mag\/wp-content\/uploads\/2021\/04\/\u0632\u0645\u0627\u0646-\u0627\u0633\u062a\u0646\u0628\u0627\u0637-FCN-\u0648-DeepLab-\u0631\u0648\u06cc-CPU.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\n\n