
Segmentação em imagem
O quarto de hospital volta com uma máscara por leito e por cadeira. Cada máscara é uma grade de verdadeiro ou falso, e somar os pixels verdadeiros dá a área do objeto.
Abrir no ColabO retângulo em volta do leito leva junto o chão, a cortina e um pedaço da parede. Na obra, a caixa do operário leva a picareta, a lama e um pedaço do céu. A segmentação devolve o contorno: uma máscara só com os pixels do objeto.
Enfermaria e canteiro passam pelo modelo das 80 classes. Tomografia e ressonância são outro exame: o corte é uma grade de densidade ou de sinal, e a máscara sai dessa grade. Isso ainda não é um laudo.
A caixa diz onde está o carro. A U-Net pinta o pixel que pertence a ele. Isso ainda não separa uma pessoa da outra. Cada notebook abre no Google Colab: você escreve a resposta, roda a célula e ele diz na hora se acertou. Ver a aula · ver os 24 exercícios.

O quarto de hospital volta com uma máscara por leito e por cadeira. Cada máscara é uma grade de verdadeiro ou falso, e somar os pixels verdadeiros dá a área do objeto.
Abrir no Colab
O clipe é uma obra de rodovia. O laço lê o quadro, segmenta e grava. A escavadeira não tem classe própria: o nome que volta costuma ser trem ou caminhão. A conta que importa é a área.
Abrir no Colab
A máscara do operário vira número: a porcentagem da foto, o centro do corpo, o quanto a caixa sobra e se as duas pessoas se encostam.
Abrir no Colab
O rótulo deixa de ser um retângulo e vira um polígono. Quatro fotos mostram o caminho. No canteiro, o modelo ainda pinta o caminhão. A trinca no solo continua sem máscara.
Abrir no Colab
O corte do tórax é densidade. Osso estoura no branco, ar fica preto. A máscara do pulmão é o ar que está dentro do corpo, não o ar de fora.
Abrir no Colab
O mesmo volume, dois cortes: um pelos olhos, outro de lado. A máscara é o maior bloco de sinal. O crânio fica de fora. Lesão ainda não tem classe.
Abrir no ColabCada exercício tem um notebook só dele. Ele prepara os dados da aula, deixa uma célula para você tentar e mostra uma solução conferida. É só clicar em Abrir no Colab.

Quantas máscaras o modelo devolveu em mascaras?

Monte um conjunto (set) com os nomes das classes que ganharam máscara.

Qual é a maior confiança entre as máscaras? Responda com um número entre 0 e 1.
Abrir no Colab
Quantos pixels tem a maior máscara? Cada True em mascaras é um pixel do objeto.

Rode o modelo de novo na mesma foto, pedindo só a classe bed. Quantas máscaras vieram? O índice da classe está em model.names.

Que fração da foto os leitos cobrem, somando as máscaras de bed? Responda com um número entre 0 e 1.

Quantos segundos tem o vídeo inteiro? Use o total de quadros e o FPS do arquivo, não só os quadros que a aula processou.
Abrir no Colab
Qual classe somou mais pixels de máscara no vídeo processado? Responda com o nome.
Abrir no Colab
Em quantos dos primeiros 40 quadros processados aparece pelo menos uma pessoa?
Abrir no Colab
Nos primeiros 40 quadros, rode o modelo só em 1 a cada 5 (quadros 0, 5, 10...) e some os pixels das máscaras de person.

Em média, quantas máscaras o modelo desenhou por quadro no vídeo processado?
Abrir no Colab
Grave um vídeo novo com os primeiros 40 quadros, desenhando só person. A resposta é o caminho obra_pessoas.mp4. O índice da classe está em model.names.

Divida a área da máscara do operário pela área da caixa dele. Use a pessoa de maior máscara. O resultado fica entre 0 e 1: é a parte da caixa que é corpo de verdade.
Abrir no Colab
Quantos por cento da foto a máscara desse operário cobre? Responda com um número de 0 a 100. Use a pessoa de maior máscara.
Abrir no Colab
Recorte a foto no retângulo justo da máscara do operário de maior máscara (o menor retângulo que ainda contém todos os pixels True). A resposta é o recorte.

Ache o centro do operário de maior máscara. Responda com (x, y) em pixels, x na horizontal.

Calcule o IoU entre a máscara do operário de maior máscara e o retângulo da caixa dele. IoU é a interseção dividida pela união.
Abrir no Colab
Quantos pares de máscaras têm pelo menos um pixel em comum?
Abrir no Colab
Quantas imagens há na pasta de treino do coco8-seg?

Quantos objetos rotulados existem, somando todos os arquivos .txt do treino? Cada linha é um objeto.

Qual classe mais aparece nos rótulos de treino? Responda com o nome, não com o número.
Abrir no Colab
Abra o primeiro .txt de treino, em ordem alfabética. Quantos pontos tem o polígono da primeira linha? A classe é o primeiro número; cada ponto usa dois números.

Em qual época a train/seg_loss foi a menor?

Rode a validação do modelo treinado com melhor.val(data="coco8-seg.yaml", imgsz=320) e responda com o mAP50 das máscaras.
resposta = None pela sua resposta e rode a célula. A solução conferida vem na célula de baixo.