kerasでSegNetのセグメンテーション結果のクラスの色について

Question

「keras(tensorflow)でSegNet」参照を参考に
実行しようとしておりますが、そもそもこちらのサイトで
セグメンテーションされた結果（下記）がコードで指定されているクラスの色と
異なっているように思えます（TreeにPavemenntが割り当てられていたり
RoadにRoad_markingが割り当てられています）。
ですので自身で実行しても同じような結果となってしまいます。

このセグメンテーションの結果の色の違いについて「学習したラベルとクラス色指定が
うまく対応していないの」か、「学習自体がうまくいっていない」のかわからずに困って
おります。

お手数をお掛けいたしますが、ごの原因と対処方法についてご教示いただきたく
よろしくお願い申し上げます。
（ちなみに色見本はtiitoiさまに教えていただいて作成した画像です。感謝）

Answer 1

testannot,trainannot,valannotフォルダ内の画像を下記の方法で確認したところ（https://teratail.com/questions/146307を参考にさせていただきました）Road_marking は
Roadに含まれることが分かりました。これが色がズレる原因のようです。

import cv2
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image

pil_img = Image.open("./CamVid/trainannot/0001TP_006690.png")  # PIL で読み込む。
img = np.asarray(pil_img)  # numpy 配列に変換する。

print(img.shape)  # (176, 240)
print(img)


class Label:
    Sky = 0
    Building = 1
    Pole = 2
    Road = 3
    Pavement = 4
    Tree = 5
    SignSymbol = 6
    Fence = 7
    Car = 8
    Pedestrian = 9
    Bicyclist = 10
    Unlabelled = 11

plt.imshow(np.where(img == 3, 100, 0)) # ==　の後の数字を変えるとその領域が表示される Road=3
plt.axis('off')
plt.show()

参考サイトには12クラスとして下記されていますが、
[Sky, Building, Pole, Road_marking, Road, Pavement, Tree, SignSymbol, Fence, Car, Pedestrian, Bicyclist, Unlabelled]

これだと13クラスですので、Road_markingを削除して下記のように12クラスにするとうまくいきました。
[Sky, Building, Pole, Road, Pavement, Tree, SignSymbol, Fence, Car, Pedestrian, Bicyclist, Unlabelled]