最后调用model.fit()来进行U-Net模型的训练，由于是在CPU下运行，因此时间较长，整个训练过程持续大约18个小时 。
训练结果
获得loss和输出图像如下：
在训练完成之后保存模型为.h5，从测试集中随机取出部分图像查看分割效果如下（注意将预测结果图的像素点从0~1还原为0, 255二值分布） 。从左到右依次为：原图，给定的掩膜图和预测分割图 。
参考文献
[1] Evan ,Long,. Fullyfor[M]. IEEE, 2017.
[2]O ,P , Brox T . U-Net:forImage [J]. 2015.
[3]K ,A . Very Deepfor Large-Scale Image [J]., 2014.
[4] He K , Zhang X , Ren S , et al. Deepfor Image [C]// IEEEon&. IEEE, 2016.
[5] 韩慧. 基于深度学习的工业缺陷检测方法研究[D]. 2019.
[6] 刘聪. 基于卷积神经网络的微小零件表面缺陷检测技术研究[D]. 2019.
我一定会来填坑的，确信 。。。

• Flink实现词频统计
• Nginx日志记录访问信息
• 【一笔画完】通关路径算法的Java代码实现V2.0
• Kettle实现使用Http post组件实现钉钉机器人消息推送
• int n=10的sizeof 为什么是四_mongodb内核源码实现、性能调优
• Carla中实现车辆轨迹获得
• 小程序连接MYSQL实现增删改查
• Android 最流行的吸顶效果的实现及代码
• UFO-R6 HA集成ESP8266和涂鸦红外万能遥控器实现家庭影院一键放映
• Spring Security实现短信验证码登录