https://blog.csdn.net/nima1994/article/details/84031759
https://blog.csdn.net/nima1994/article/details/84062253
本文主要参考这两篇博客，并实现了代码，原博主没有给出数据集，我当时数据集下载也是出错，我会把代码数据集和训练的model的代码全分享一下：
data下的dataset里面有五个文件夹数据集，其中CamVid是源数据集，需要把源数据集文件建成文件夹，我都建好了，直接用就行。
Models下有FCN8-FCN32-SEGNET-UNET的py文件，以及生成的模型的png照片。
output输出有四个模型的events事件的记录，用tensorboard打开，不懂的可以自己百度，查看怎么样打开events文件。里面显示的就是这样：
cmd下输入：先切换到你这个文件存放的目录 我放d盘下面了 所以先切到d 然后输入
tensorboard --logdir=\PyCode\Segmentation\keras-segmentation-master\output\log_segnet_model
浏览器打开哦：输入 http://localhost:6006/ 浏览器可能打不开，我换成谷歌的就行了。
一共四个图表，自己能看懂，不多介绍了。
先运行train文件，生成h5文件后，可以直接运行predict文件，visualize文件可以显示增强和mask文件的样子。
predict unet效果如下：
可以看见原图，mask文件，以及unet分割效果图。
由于四个h5文件太大了，我就不传了，代码和数据集都在链接：https://download.csdn.net/download/zqx951102/12793865
四个h5四个文件。自己用电脑跑把，，，，版本py36，如果报错很大可能是你的tensorflow或者keras版本有问题，按照报错更新版本就可以了。四个h5文件最小的都1.4g，，，超过上传大小了 ，如果有需要可以留言，有空就发。
跑通了代码，我在研究研究，看看能不能改成我需要做的项目上。
设置两个文件夹，label-train存放的是label的mask图像，train存放的是原图
img对应原图，label是生成的mask图像，其实就是把虹膜和瞳孔和背景区分开来。
更换visualizaDataset中的路径，运行效果如下：
可以看出其实一共就三个类别。n_classes可以设置为3，根据自己的实验设置就行。