Epoch 1/20 98/98 [==============================] - 27s 81ms/step - loss: 1.0063 - mean_io_u: 0.2951 - sparse_categorical_accuracy: 0.6181 - val_loss: 0.8232 - val_mean_io_u: 0.3940 - val_sparse_categorical_accuracy: 0.6887 … Epoch 19/20 98/98 [==============================] - 10s 61ms/step - loss: 0.6290 - mean_io_u: 0.4373 - sparse_categorical_accuracy: 0.7457 - val_loss: 0.6106 - val_mean_io_u: 0.4564 - val_sparse_categorical_accuracy: 0.7539 Epoch 20/20 98/98 [==============================] - 10s 60ms/step - loss: 0.6238 - mean_io_u: 0.4393 - sparse_categorical_accuracy: 0.7482 - val_loss: 0.6174 - val_mean_io_u: 0.4487 - val_sparse_categorical_accuracy: 0.7492
앞의 코드로 각 FCN 모델은 주어진 데이터 세트에서 픽셀 수준의 이미지 영역 분할 작업을 수행하기 위해 최적화됩니다. 다양한 깊이의 FCN 모델을 훈련시키고 그 성능을 비교함으로써 특정 작업에 가장 적합한 모델 구조를 결정할 수 있습니다.
이렇게 학습이 완료된 모델을 시각화해서 학습이 얼마나 진척되었는지 확인합시다.