企业官网建设流程全解析

简介：基于Python与U-Net模型的图像语义分割项目，面向初入深度学习及计算机视觉领域的学习者，也适合有基础者作为毕设、课程设计或工程实训的参考，帮助解决像素级目标区域自动划分问题。资源包共24个文件，主要包含4个Python脚本，分别负责数据集生成、模型训练、图像预测及结果合并，另附训练完成的U-Net模型权重（h5）、教学PPT、14张用于演示和测试的PNG图像，以及少量XML/OVR辅助文件，整体压缩包约478.98MB。已有204人学习浏览。通过该资源，学习者可以对照PPT理解U-Net原理与训练流程，直接运行脚本从准备数据、训练模型到输出分割结果完整走一遍；也可调用已训练好的权重快速预测，或在其基础上调整网络结构进行二次开发，是兼顾理论讲解与代码实操的实用资料。

1. 基于 Python+Unet 的图像语义分割：这份资源能替你跑通训练到预测的完整链路

拿到 Segmentation_Unet-master.zip 时，多数人心里只有一个问题：这东西能在我电脑上跑起来吗？答案是能。这份基于 Python+Unet 模型的图像语义分割资源，把语义分割的完整链路——原始图与标签的生成、Unet 训练、单张图预测、分块结果合并——封装成了几个可直接运行的脚本，还附带一个训练好的 Trained_Unet_Model.h5 权重。就算你只装过 Python 没碰过深度学习，配好 TensorFlow 和 OpenCV 后，也能在半小时内跑出一张测试图的分割结果。它适合两类人：一是课程设计、毕设或工程实训需要交付可演示项目的人；二是想用代码理解 Unet、而不是从论文硬啃的入门者。下面按原理、数据、训练、预测、避坑、进阶的顺序逐个拆解。

2. Unet 原理与资源包拆解：先看懂训练到预测的完整链路，再动手改代码

2.1 为什么语义分割的入门项目几乎都是 Unet：编码器、解码器与跳跃连接

语义分割要解决的问题是给每个像素一个类别标签。早期滑窗分类的办法是每个像素周围取一个 patch 送进分类网络，效率低且相邻 patch 之间容易产生锯齿边界。Unet 之所以成为入门首选，是因为它在结构上同时解决了「特征够抽象」和「边界够精细」这对矛盾。

网络形状像字母 U，左边编码器、右边解码器。编码器通过卷积加池化把输入逐步压小，让网络看到更大感受野，回答「这块区域属于什么物体」；解码器通过上采样把特征图放大回原始分辨率，恢复空间信息。关键在跳跃连接：解码器每一层都把编码器对应层的特征图拼接过来，浅层的边缘纹理信息直接喂给深层，恢复分辨率时不丢细节。没有跳跃连接的 U 形网络，分割结果通常边缘模糊、小目标丢失。

对比 FCN 这类早期全卷积网络，Unet 在训练数据量不大时明显更稳。医学影像、遥感影像这类标注成本很高的场景，几百对图像就能训出一个能用的模型，这也是它常年出现在课程设计和毕设里的原因。这份资源里的 unet_train.py 用的是最经典的 Unet 结构，代码是 Keras 函数式 API 写的，逐层看下来并不难。

2.2 资源包文件清单与职责划分

解压 zip 后，目录里除了 .DS_Store 这种 macOS 系统自动生成的隐藏文件，真正和项目相关的文件不算多。我建议先执行一条命令，把文件树拉出来：

find Segmentation_Unet-master -type f -not -name '.DS_Store' | sort

这条命令会列出所有非 .DS_Store 文件，目的是确认数据目录里有没有混入系统垃圾文件，也方便你核对每个文件的相对路径。常见输出包括 gen_dataset.py、unet_train.py、unet_predict.py、combind.py、Trained_Unet_Model.h5、data/src、data/label、test 等。各文件职责如下：

test 目录里除了三个 png，还有 1.png.ovr 和 1.png.aux.xml。这两个是 GIS 软件（QGIS 这类）为影像生成的伴生文件，ovr 是金字塔概览，aux.xml 记录坐标系信息，说明这批测试图很可能来自遥感影像。预测时只读 png 本体即可，伴生文件可以直接忽略，不用删也不用管。

2.3 训练数据管线：data/src、data/label 与 gen_dataset.py 做了什么

训练分割模型，最繁琐的往往不是模型本身，而是数据对齐。data/src 放原始图像，data/label 放对应掩码，两份文件文件名必须一一对应，顺序一旦错位，模型完全学不到正确的东西。gen_dataset.py 做的事就是把两组文件读进来，统一缩放、归一化、二值化，存成 numpy 数组。这类脚本常见写法如下：

# gen_dataset.py 的核心逻辑（常见实现） import cv2 import numpy as np from glob import glob IMG_SIZE = 256 # 统一缩放到 256x256，要和训练脚本保持一致 src_files = sorted(glob('data/src/*.png')) # 原始图列表 label_files = sorted(glob('data/label/*.png')) # 标签图列表 assert len(src_files) == len(label_files), 'src 与 label 数量不一致' imgs, masks = [], [] for src_path, label_path in zip(src_files, label_files): img = cv2.imread(src_path) # BGR 三通道读入 img = cv2.resize(img, (IMG_SIZE, IMG_SIZE)) img = img / 255.0 # 像素归一化到 [0,1] mask = cv2.imread(label_path, cv2.IMREAD_GRAYSCALE) # 单通道读入 mask = cv2.resize(mask, (IMG_SIZE, IMG_SIZE)) mask = (mask > 127).astype(np.float32) # 二值化：前景为 1 mask = mask[..., np.newaxis] # (h,w) -> (h,w,1) imgs.append(img) masks.append(mask) np.save('train_imgs.npy', np.array(imgs)) np.save('train_masks.npy', np.array(masks)) print(f'共处理 {len(imgs)} 对图像，已保存为 npy 文件')

几个关键点。cv2.imread 按 BGR 读入，模型训练一般不关心通道顺序，但后续可视化预测结果时，如果颜色不对，记得用 cv2.cvtColor 转回 RGB。mask 用 IMREAD_GRAYSCALE 读成单通道，避免把三通道彩色标签直接当训练目标。mask[..., np.newaxis] 补上通道维度，让标签 shape 和模型输出 shape 对齐，少了这一步训练时大概率报维度错误。mask > 127 是二值化阈值，标签图里非零像素就是前景。

sorted() 在这里不是装饰，是保命用的。glob 返回的文件列表在不同系统上顺序不稳定，不排序就 zip，图像和标签错位的概率极高。我一般还会在循环里加断言，名字对不上就直接报错，不让错位数据静默流进训练。

3. 训练自己的 Unet：unet_train.py 的模型定义与参数调优

3.1 模型定义与关键写法

unet_train.py 是这份资源的核心。它通常包含三步：加载上一步生成的 npy、构建 Unet 模型、编译并训练。模型定义部分常见写法是基于 Keras 函数式 API 逐层搭出 U 形结构：

# unet_train.py 中的模型定义（Keras 函数式 API） from tensorflow.keras.layers import (Input, Conv2D, MaxPooling2D, UpSampling2D, concatenate) from tensorflow.keras.models import Model def build_unet(input_shape=(256, 256, 3)): inputs = Input(shape=input_shape) # ---- 编码器：逐层下采样，通道数翻倍 ---- c1 = Conv2D(64, 3, activation='relu', padding='same')(inputs) c1 = Conv2D(64, 3, activation='relu', padding='same')(c1) p1 = MaxPooling2D(pool_size=(2, 2))(c1) c2 = Conv2D(128, 3, activation='relu', padding='same')(p1) c2 = Conv2D(128, 3, activation='relu', padding='same')(c2) p2 = MaxPooling2D(pool_size=(2, 2))(c2) c3 = Conv2D(256, 3, activation='relu', padding='same')(p2) c3 = Conv2D(256, 3, activation='relu', padding='same')(c3) p3 = MaxPooling2D(pool_size=(2, 2))(c3) c4 = Conv2D(512, 3, activation='relu', padding='same')(p3) c4 = Conv2D(512, 3, activation='relu', padding='same')(c4) p4 = MaxPooling2D(pool_size=(2, 2))(c4) # ---- 底部瓶颈层 ---- c5 = Conv2D(1024, 3, activation='relu', padding='same')(p4) c5 = Conv2D(1024, 3, activation='relu', padding='same')(c5) # ---- 解码器：上采样，跳跃连接拼接，通道数减半 ---- u6 = UpSampling2D(size=(2, 2))(c5) u6 = concatenate([u6, c4]) c6 = Conv2D(512, 3, activation='relu', padding='same')(u6) c6 = Conv2D(512, 3, activation='relu', padding='same')(c6) u7 = UpSampling2D(size=(2, 2))(c6) u7 = concatenate([u7, c3]) c7 = Conv2D(256, 3, activation='relu', padding='same')(u7) c7 = Conv2D(256, 3, activation='relu', padding='same')(c7) u8 = UpSampling2D(size=(2, 2))(c7) u8 = concatenate([u8, c2]) c8 = Conv2D(128, 3, activation='relu', padding='same')(u8) c8 = Conv2D(128, 3, activation='relu', padding='same')(c8) u9 = UpSampling2D(size=(2, 2))(c8) u9 = concatenate([u9, c1]) c9 = Conv2D(64, 3, activation='relu', padding='same')(u9) c9 = Conv2D(64, 3, activation='relu', padding='same')(c9) # ---- 输出层：1x1 卷积 + sigmoid，单通道前景概率 ---- outputs = Conv2D(1, 1, activation='sigmoid')(c9) return Model(inputs, outputs)

几个设计选择值得记住。第一，连续两个 3×3 卷积等价于一个 5×5 感受野，但参数量更少、非线性更强。第二，通道数按 64→128→256→512→1024 翻倍再减半，配合跳跃连接把同尺度浅层特征拼回深层。第三，输出层用 1×1 卷积加 sigmoid，输出单通道概率图，对应二分类分割。如果要分多个类别，输出层要改成 softmax、通道数改成类别数，这点第五章再细说。

3.2 训练参数表与调参建议

训练脚本的入口参数一般集中在文件开头的常量定义区域，常见参数与推荐取值整理如下：

调参顺序我一般建议先固定输入尺寸和 batch_size，把 learning_rate 调到一个训练曲线稳定下降的值，再考虑换损失函数。分割任务的前景和背景像素往往严重不平衡，如果训练 loss 一直降但预测全是背景，大概率是前景在损失函数里的贡献被稀释了，换成 Dice 损失或加类别权重更有效。

注意：Trained_Unet_Model.h5 是训练产物。如果你重新跑 unet_train.py，原文件会被覆盖，第一次动手前记得先备份。

3.3 训练执行与环境准备

跑 unet_train.py 之前先把 Python 环境准备好。这份资源基于 Keras/TensorFlow，h5 权重对版本敏感，环境配置一步错后面全错：

# 建议用 conda 创建独立环境，避免污染系统 Python conda create -n unet python=3.8 conda activate unet # TensorFlow 2.10 是最后一个原生支持 Windows GPU 的版本，比较稳妥 pip install tensorflow==2.10.0 opencv-python numpy h5py # 先跑数据集生成，再跑训练；训练前先备份原 h5 python gen_dataset.py python unet_train.py

如果你的机器已经装了其他版本 TensorFlow 或 PyTorch 环境，不要混着用，h5 权重对 Keras 版本很敏感。训练过程如果脚本里有 early stopping，你会看到每个 epoch 输出 loss 和 val_loss；训练结束后生成两个产物：Trained_Unet_Model.h5 和 plot.png，后者画的是训练与验证 loss 曲线。

plot.png 值得仔细看。两条曲线都平滑下降且最终接近，说明训练正常；训练 loss 很低、验证 loss 反而上升，说明过拟合，优先加数据增强或减小模型容量，而不是继续加 epoch；两条曲线从一开始就剧烈震荡，先检查 learning_rate，再检查 batch_size，这两项对稳定性影响最大。

4. 用预训练权重做推理：unet_predict.py 与 Trained_Unet_Model.h5 的使用

4.1 预测脚本的输入输出约定

训练不是目的，能拿模型对没见过的图做推理才是验证模型价值的唯一方式。资源包自带的 Trained_Unet_Model.h5 就是一份已经训练好的权重，unet_predict.py 负责加载它，对 test 目录下的图片逐张推理，输出与输入同尺寸的掩码图。

这里有个容易忽略的约定：模型输入尺寸是训练时定死的 256×256，预测时输入的图片必须先缩放到同样尺寸，否则 TensorFlow 会直接报 shape 不匹配。test 目录里那些 .ovr、.aux.xml 伴生文件，predict 脚本不会读取，你也不用在代码里处理它们，读取 png 本体时 OpenCV 会自动跳过非图片文件。

4.2 单张图片预测与结果保存

unet_predict.py 的核心流程可以概括为以下代码：

# unet_predict.py 核心流程 from tensorflow.keras.models import load_model import cv2 import numpy as np # 加载训练好的权重；compile=False 跳过编译信息，兼容不同 Keras 版本 model = load_model('Trained_Unet_Model.h5', compile=False) # 读取测试图，缩放并归一化，与训练时保持一致 img = cv2.imread('test/1.png') img = cv2.resize(img, (256, 256)) img_norm = img / 255.0 # predict 需要 batch 维度，np.newaxis 把 (h,w,3) 扩成 (1,h,w,3) pred = model.predict(img_norm[np.newaxis, ...]) print('预测输出形状:', pred.shape) # 通常是 (1, 256, 256, 1) # 取第一张图的第 0 通道，按 0.5 阈值二值化成 0 / 255 mask = (pred[0, ..., 0] > 0.5).astype(np.uint8) * 255 cv2.imwrite('result_1.png', mask)

几个写法要解释清楚。model.predict 输入必须是四维张量 (batch, height, width, channels)，单张图没有 batch 维度，所以 img_norm[np.newaxis, ...] 扩维。pred 输出是 (1, 256, 256, 1)，pred[0, ..., 0] 取出单通道概率图。阈值 0.5 是二分类默认分界，大于 0.5 判为前景，输出 0 和 255 是为了让掩码图肉眼可视，255 在灰度图里显示为白色。

提示：如果只想先看效果，跳过训练，直接用 unet_predict.py 加载 Trained_Unet_Model.h5 跑 test 目录即可，这条路最快出结果。

4.3 大图分块预测与 combind.py 的拼接逻辑

遥感影像实际尺寸往往几千甚至上万像素，直接整图缩放到 256×256，小目标会被压缩到几乎看不见。工程上常见做法是分块预测：把大图裁成若干 256×256 的 patch，逐块送进模型，再把预测结果拼回去。combind.py 干的就是拼接这一步。

分块预测的坑在边缘。相邻 patch 之间缺少上下文，会出现拼接缝，尤其是跨越物体边界的地方。我一般会让相邻 patch 重叠 32~64 像素，预测后丢弃边缘、只保留中心区域再拼接：

# combind.py 中常见的重叠拼接思路 overlap = 32 # 重叠像素数 patch_size = 256 # 与训练输入一致 step = patch_size - overlap # 滑窗步长 # 对每个 patch 预测后，只取中心区域写入大图对应位置 for i, row in enumerate(range(0, H - patch_size + 1, step)): for j, col in enumerate(range(0, W - patch_size + 1, step)): patch = big_img[row:row + patch_size, col:col + patch_size] pred = model.predict(patch[np.newaxis, ...])[0, ..., 0] center = pred[overlap // 2:-overlap // 2, overlap // 2:-overlap // 2] result[row + overlap // 2:row + step + overlap // 2, col + overlap // 2:col + step + overlap // 2] = center

这段代码的核心是 step = patch_size - overlap，保证相邻 patch 有重叠；写入时只写中心区域，相当于对边界预测做了软丢弃。实际跑的时候注意最后一行、最后一列往往不足一个 patch，要对原图做边缘填充，常见做法是用 cv2.copyMakeBorder 做常数填充，或者对最后一块单独缩小步长。这段逻辑在 combind.py 里通常会写成函数封装，你只需要传入大图和模型两个参数。

5. Unet 避坑实录：数据对齐、通道维度与权重加载的五个典型翻车场景

这一章是整份资源最容易翻车的五个场景，按「现象 → 原因 → 解决」写清楚。每一条都是这个项目里真实会出现的问题，建议动手前先通读一遍。

5.1 训练 loss 正常下降，但预测结果全是噪声或全黑

现象：训练日志里 loss 曲线很正常，验证 loss 也在降，但用训练好的模型预测，输出掩码要么全是黑色，要么是毫无意义的噪声点。

原因：最常见的是训练数据和标签没有对齐。data/src 与 data/label 文件名顺序不一致，或目录混入 .DS_Store 这类系统文件，glob 匹配时把隐藏文件也算进去，模型看到的是「图像 A 配标签 B」的错位数据。这种错误很隐蔽，loss 照样下降，网络只是在学一个永远无法收敛的映射。

解决：在 gen_dataset.py 里加断言强制校验，并把 .DS_Store 排除在 glob 之外：

src_files = sorted(glob('data/src/*.png')) label_files = sorted(glob('data/label/*.png')) assert len(src_files) == len(label_files), 'src 与 label 数量不一致' for s, l in zip(src_files, label_files): assert s.split('/')[-1] == l.split('/')[-1], f'文件名不匹配: {s} vs {l}'

我还会在打印信息里输出每个文件的 basename，肉眼扫一遍再进入训练。这一步 30 秒，能省掉后面几小时的无效训练。

5.2 model.fit 报 ValueError：Shapes (None, 256, 256, 1) 与 (None, 256, 256) 不兼容

现象：训练一启动就报维度不兼容，错误信息里可以看到模型输出是四维，标签却是三维。

原因：标签数组少了通道维度。Unet 输出是 (batch, h, w, 1)，而 mask 数组在 numpy 里是 (batch, h, w)，Keras 计算损失时对不上。另一个来源是 mask 在 resize 时用了默认线性插值，标签像素变成 0 到 255 之间的连续值，二值化没生效，标签不再是干净的 0/1。

解决：在 gen_dataset.py 里给 mask 补通道维度，并强制二值化：

mask = cv2.resize(mask, (IMG_SIZE, IMG_SIZE)) mask = (mask > 127).astype(np.float32) # 先二值化 mask = mask[..., np.newaxis] # 再补通道

补维度要在二值化之后做，顺序不能反。如果 label 图里有中间灰度值，先用 Otsu 或固定阈值做一次分割再二值化，不要直接拿连续值当标签。

5.3 load_model 加载 h5 报错，或加载成功但预测结果全错

现象：运行 unet_predict.py 时 load_model 抛出异常，报自定义层找不到或配置解析失败；或者能加载但预测输出形状、数值明显不对。

原因：h5 权重文件和当前 Keras 版本不兼容。这份资源的 h5 很可能是早期 TensorFlow 2.x 保存的，而你本地装的是新版本 TensorFlow 或 Keras 3。Keras 3 对旧 h5 的加载策略变化较大，直接 load_model 容易踩配置解析的坑。

解决：加载时用 compile=False 跳过编译信息，只取权重：

model = load_model('Trained_Unet_Model.h5', compile=False)

如果仍然报错，用 h5py 直接看 h5 内部结构，确认权重键名与你的模型层顺序一致：

import h5py with h5py.File('Trained_Unet_Model.h5', 'r') as f: print(list(f.keys())) # 查看顶层键，确认是 model_weights 结构

更稳妥的做法是训练和预测在同一环境里完成，不要训练完升级 TensorFlow 再去预测。跨版本实在绕不开时，用 h5py 读出权重数组，再按 build_unet 逐层 set_weights，能绕开大部分版本问题。

5.4 标签有多类目标，却用 sigmoid 当二分类训练，类别互相混淆

现象：标签图里有好几种颜色分别代表不同地物，训练时 loss 在降，但预测结果里类别之间互相串，道路和建筑分不开。

原因：任务定义和模型不匹配。sigmoid 输出单通道概率图，只能表达「是前景」和「是背景」两类。如果标签本身是多类别，模型没有能力同时区分多个类，除非你把多分类拆成多个二分类，或者改输出结构。

解决：多类别分割要把输出层改成 softmax，通道数改成类别数，损失函数换成 categorical_crossentropy，标签做 one-hot：

# 多类别分割时输出层改为： outputs = Conv2D(num_classes, 1, activation='softmax')(c9) # 标签 one-hot 化，mask 每个像素是 0 到 num_classes-1 的编号 mask_onehot = tf.keras.utils.to_categorical(mask, num_classes=num_classes)

注意 to_categorical 要求 mask 是类别编号而不是 RGB 颜色值。如果标签是彩色图，先在 gen_dataset.py 里建一张颜色到编号的映射表，逐像素替换，再进 one-hot。这一步漏了，后面所有指标计算都会是错的。

5.5 训练时显存溢出，或 CPU 训练慢到怀疑人生

现象：显存不足报错 OOM，或者用 CPU 训练一个 epoch 要十几分钟，256×256 输入加 batch_size 8 直接跑不动。

原因：Unet 显存消耗由输入分辨率、batch_size、通道数三者相乘决定。256×256 输入、batch_size 8、瓶颈层 1024 通道，显存占用很可观。入门显卡 4G 显存默认参数大概率扛不住。

解决：先降 batch_size 到 2，再考虑降 IMG_SIZE 到 192 或 128。优先降 batch_size，因为分辨率影响定位精度，batch_size 只影响梯度估计噪声，对最终精度影响相对小。另外设置显存按需增长，避免一上来占满全部显存：

import tensorflow as tf gpus = tf.config.experimental.list_physical_devices('GPU') if gpus: tf.config.experimental.set_memory_growth(gpus[0], True)

这段代码加在训练脚本最开头，能在同一台机器上避免和其他程序抢显存。这是我从第一个项目开始就养成的习惯，每次都先写进去。

6. 进阶方向：把 Unet 迁移到自己的数据集，并用 mIoU 验证效果

6.1 替换成自己的数据集最少要改的三处

把这份资源迁移到自己的数据，最小改动是三个地方。第一，data/src 和 data/label 换成你自己的图像对，文件名一一对应。第二，gen_dataset.py 里的 IMG_SIZE 和类别定义改成与你的数据匹配，如果标签是多类彩色图，加一张颜色到类别编号的映射表。第三，unet_train.py 里的输出通道数、损失函数与类别数对齐。这三处改完，大多数二分类和遥感场景都能直接跑，模型结构不用动。如果你下载这份资源是为了做毕设或课程设计，我的建议是先按第三章把原始链路完整跑通一遍，中间不跳步，再谈迁移和改造。

6.2 用 mIoU 和 Dice 评估分割结果，别只靠肉眼

验收分割项目，光看几张图说「差不多」是不够的，要用数值说话。最常用的两个指标是 mIoU（平均交并比）和 Dice 系数。mIoU 对每个类别计算预测与真值交集面积除以并集面积，再对所有类取平均；Dice 更关注重叠区域，对类别不平衡更宽容。计算代码如下：

import numpy as np def compute_miou(pred_mask, true_mask, num_classes=2): ious = [] for cls in range(num_classes): pred = (pred_mask == cls) true = (true_mask == cls) inter = np.logical_and(pred, true).sum() union = np.logical_or(pred, true).sum() if union == 0: continue # 真值里没有该类，跳过 ious.append(inter / union) return np.mean(ious) def compute_dice(pred_mask, true_mask): inter = np.logical_and(pred_mask, true_mask).sum() return 2 * inter / (pred_mask.sum() + true_mask.sum() + 1e-6)

+1e-6 是防分母为零的，Dice 的空值保护尤其重要。跑测试集之前，把预测结果 resize 回原图尺寸，再和原尺寸真值对比，算出的 mIoU 才有意义。拿着 256×256 的预测图去和原始大图标签对比，尺寸不一致会让交并比虚高或虚低，这个坑我第一次写评估脚本时踩过。

6.3 模型改进方向与我的使用习惯

想在毕设里对这份资源做改进，三个方向比较现实。第一，在跳跃连接处加 attention gate，让解码器自动学习哪些浅层特征值得保留；第二，把编码器层改成残差块，训练更稳定、收敛更快；第三，加数据增强，旋转、翻转、色彩抖动能明显缓解小样本过拟合。三个方向的改动都集中在 build_unet 函数内部，不影响数据管线。

我自己的工作习惯是，每次拿到新的分割资源，先不碰模型，先跑最小链路——用十对左右的小数据、batch_size 1、训练十个 epoch，确认数据管线没有对齐问题，再上完整数据。从那以后我每次跑分割项目都强制走一遍这个流程，之后换数据集、改损失函数、加注意力模块，都是在这个已验证的基线上做增量。希望帮到你。

本文还有配套的精品资源，点击获取