稻穗影像萃取模型
此檔案需經過Docker環境下讀取TAR映像檔以執行，其執行步驟如下：
1.下載Docker Desktop(Windows系統下)，下載連結
2.開啟Docker Desktop，並且登入Docker Hub帳號
3.下載此模型TAR檔案
4.由終端機切換至TAR檔案所在資料夾(Windows系統需以WSL進入，若無WSL則需先安裝)
WSL安裝方式：
(1). 開啟PowerShell
(2). 輸入指令 wsl --install
(3). 重新開機
5.在終端機輸入 以下指令
(1).讀取映像檔
docker load -i iscom70598966_riceremovebg
(2).檢查映像檔名稱
docker images
(3).以映像檔開啟新的執行容器
docker run
(4)開啟新的終端機指定在同樣的路徑下，並且檢視執行中的容器
docker ps
(5).進入執行中的容器內
docker exec -it /bin/bash/
透過以上步驟即可透過docker環境進入到開啟此模型的映像檔環境中，亦可瀏覽內部程式，其中UnitTest.py為單元測試之程式，若執行其單元測試，則可以將unittest_input之測試資料分析結果輸出至unittest_output資料夾中，相關模型讀取內容，則顯示於demo.py檔案中。
- 執行 python Unit_test.py
- 確認 unittest_output 資料夾中是否產生輸出範例
其他資訊
| 欄位 | 值 |
|---|---|
| 最後更新資料 | 七月 19, 2023 |
| 最後更新的詮釋資料 | 七月 19, 2023 |
| 建立 | 七月 19, 2023 |
| 格式 | TAR |
| 共享範圍/授權 | 沒有可使用的許可 |
| created | 超過 2 年之前 |
| format | TAR |
| id | b0930d2f-0c64-4408-9447-4b6779dac5bc |
| metadata modified | 超過 2 年之前 |
| nchu ddl resource filetype | 應用模型 |
| nchu text resource try out desc | 將輸入的稻穗影像保留，並去除背景雜訊，以利於後續其他分析用途 |
| nchu text resource try out files | 20230523101647.jpg|20230529150019.jpg|20230529150325.jpg |
| nchu text resource try out input | 包含稻穗的影像資料 |
| nchu text resource try out mode | 多檔 |
| nchu text resource try out output | 萃取出的稻穗影像 |
| nchu text resource try out pod | rice_removebg |
| nchu text resource try out title | 稻穗影像去背模型 |
| package id | 11b35bef-18fd-4a8f-bfd4-02223c286948 |
| revision id | 4b185af2-0b94-4283-9dd6-125029ce7932 |
| state | active |
推薦資料集：