Unet Segmentation Pytorch Nest of Unets скачать - Unet Segmentation Pytorch Nest of Unets Скачать исходный код

Unet Segmentation Pytorch Nest of Unets

Питон

1.0.0

Скачать

Неотегментация-пи-пирогня

Реализация различных видов моделей UNET для сегментации изображений

UNET - U -NET: сверточные сети для биомедицинской сегментации изображений https://arxiv.org/abs/1505.04597
RCNN-UNET -рецидивирующая остаточная сверточная нейронная сеть, основанная на U-NET (R2U-NET) для сегментации медицинского изображения https://arxiv.org/abs/1802.06955
Внимание Unet - Внимание U -Net: изучение, где искать поджелудочную железу https://arxiv.org/abs/1804.03999
Rcnn-Attention Unet -Внимание R2U-Net: просто интеграция двух недавних передовых работ (R2U-Net + Utect U-Net)

Вложенная UNET - UNET ++: вложенная архитектура U -NET для сегментации медицинской изображения https://arxiv.org/abs/1807.10165

С визуализацией слоя

1. Начало работы

Клонировать репо:

git clone https://github.com/bigmb/Unet-Segmentation-Pytorch-Nest-of-Unets.git

2. Требования

 python>=3.6
torch>=0.4.0
torchvision
torchsummary
tensorboardx
natsort
numpy
pillow
scipy
scikit-image
sklearn

Установите все зависимые библиотеки:

pip install -r requirements.txt

3. Запустите файл

Добавьте все свои папки в эту линию 106-113

 t_data = '' # Input data
l_data = '' #Input Label
test_image = '' #Image to be predicted while training
test_label = '' #Label of the prediction Image
test_folderP = '' #Test folder Image
test_folderL = '' #Test folder Label for calculating the Dice score

4. Типы UNET

Ун unet1

Rcnn unet R2Unet

Внимание Unet Att-Unet

Внимание-Rcnn Unet Att-R2U

Вложенная унает

вложенное

5. Визуализация

Чтобы построить потерю, понадобится Visdom. Код уже записан, просто пострят необходимую часть. Поток градиента тоже может быть использован. Взято из (https://discuss.pytorch.org/t/check-gradient-flow-in-network/15063/10)

Создана модельная папка, и все данные хранятся внутри этого. Последний слой будет сохранен в папке модели. Если требуется какой -либо конкретный слой, упомяните его в строке 361.

Слой визулизация

Фильтруя визулизация

FILT1

Tensorboardx по -прежнему должен настроить некоторые параметры, чтобы получить визуализацию. Испортили эту попытку заставить Pytorch 1.1.0 работать напрямую с Tensorboard (а затем познакомился в настоящее время, он ничего не поддерживает, кроме линейных графиков)

Визулизация ввода изображения для проверки

а) исходное изображение

б) Центральное изображение

6. Результаты

Набор данных по сегментации гиппокампа для сегментации гиппокампа Adni-Loni

7. цитирование

Если вы найдете это полезным для вашей работы.

 @article{DBLP:journals/corr/abs-1906-07160,
  author    = {Malav Bateriwala and
               Pierrick Bourgeat},
  title     = {Enforcing temporal consistency in Deep Learning segmentation of brain
               {MR} images},
  journal   = {CoRR},
  volume    = {abs/1906.07160},
  year      = {2019},
  url       = {http://arxiv.org/abs/1906.07160},
  archivePrefix = {arXiv},
  eprint    = {1906.07160},
  timestamp = {Mon, 24 Jun 2019 17:28:45 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/abs-1906-07160},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}