访问外国网站很慢,百度人工,百度网网页版登录,百度投诉中心电话【图像分割】【深度学习】Windows10下UNet代码Pytorch实现与源码讲解 提示:最近开始在【医学图像分割】方面进行研究,记录相关知识点,分享学习中遇到的问题已经解决的方法。 文章目录 【图像分割】【深度学习】Windows10下UNet代码Pytorch实现与源码讲解前言UNet模型运行环境搭…【图像分割】【深度学习】Windows10下UNet代码Pytorch实现与源码讲解 提示:最近开始在【医学图像分割】方面进行研究,记录相关知识点,分享学习中遇到的问题已经解决的方法。 文章目录 【图像分割】【深度学习】Windows10下UNet代码Pytorch实现与源码讲解前言UNet模型运行环境搭建UNet模型运行数据集与模型权重下载PFNet训练与测试 总结 前言
UNet是由德国弗赖堡大学的Olaf Ronneberger等人在《U-Net: Convolutional Networks for Biomedical Image Segmentation【MICCAI-2015】》【论文地址】一文中提出的U型编码和解码模型即一个用于捕获上下文的收缩路径(编码器下采样)和一个支持精确定位的对称扩展路径(解码器上采样)并通过跳跃连接操作更好的融合浅层的位置信息和深层的语义信息。 在详细解析PFNet网络之前首要任务是搭建UNet【Pytorch-demo地址】所需的运行环境并完成模型训练和测试工作展开后续工作才有意义。 【数据预处理模块解析】 UNet模型运行环境搭建 查看主机支持的cuda版本(最高) # 打开cmd,执行下面的指令查看CUDA版本号
nvidia-smi安装GPU版本的torch【官网】 博主的cuda版本是12.2但这里cuda版本最高也是12.1博主选的11.8也没问题。 其他cuda版本的torch在【以前版本】找对应的安装命令。 博主安装环境参考 # 创建虚拟环境
conda create -n UNet python3.9
# 查看新环境是否安装成功
conda env list
# 激活环境
activate UNet
# 分别安装pytorch和torchvision
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
# 查看所有安装的包
pip list
conda listUNet模型运行
数据集与模型权重下载
名称下载地址说明DRIVE数据集【官网】【百度网盘:8no8】用于眼科图像处理研究的公共数据集用于血管分割任务模型权重百度网盘: p50a使用U-Net在DRIVE数据集上训练得到的权重仅供测试使用
将下载好的训练集解压并拷贝到当前工程目录下(建议) 将下载好的预训练权重(训练好的)best_model.pth拷贝到save_weights目录下(建议)。
PFNet训练与测试 训练可以直接运行train.py也可以根据硬件条件修改代码中部分训练参数epochs和batch-size修改训练次数和训练的batchsize等详细的代码内容将在后续博文中介绍。 正在训练训练权重保存在save_weights目录下 测试可以直接运行predict.py也可以根据任务需求修改代码中部分变量img_path和roi_mask_path等选择测试的图片。 对于DRIVE数据集img_path和roi_mask_path必须同时给定且一一对应其他数据集以及个人数据集的训练和测试博主会在后续的内容中给出修改后的代码。 测试结果保存为当前工程目录下的test_result.png可以对比查看效果 总结
尽可能简单、详细的介绍了UNet的安装流程以及UNet的使用方法。后续会根据自己学到的知识结合个人理解讲解UNet的原理和代码。
