Unet Segmentation Pytorch Nest of Unets ดาวน์โหลด - Unet Segmentation Pytorch Nest of Unets ซอร์สโค้ดดาวน์โหลดดาวน์โหลด

Unet Segmentation Pytorch Nest of Unets

หลาม

1.0.0

ดาวน์โหลด

Unet-segmentation-pytorch-nest-of-unets

การใช้แบบจำลอง UNET แบบต่าง ๆ สำหรับการแบ่งส่วนภาพ

UNET - U -NET: เครือข่าย convolutional สำหรับการแบ่งส่วนภาพชีวการแพทย์ https://arxiv.org/abs/1505.04597
RCNN-Unet- เครือข่ายประสาทที่ตกค้างที่ตกค้างตาม U-NET (R2U-NET) สำหรับการแบ่งส่วนภาพทางการแพทย์ https://arxiv.org/abs/1802.06955
ความสนใจ UNET - ความสนใจ U -NET: การเรียนรู้ที่จะมองหาตับอ่อน https://arxiv.org/abs/1804.03999
RCNN-Attention UNET- ความสนใจ R2U-NET: เพียงแค่รวมสองงานขั้นสูงล่าสุด (R2U-NET + ความสนใจ U-NET)

Nested UNET - UNET ++: สถาปัตยกรรม U -NET ที่ซ้อนกันสำหรับการแบ่งส่วนภาพทางการแพทย์ https://arxiv.org/abs/1807.10165

ด้วยการสร้างภาพเลเยอร์

1. การเริ่มต้น

โคลน repo:

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

2. ข้อกำหนด

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

ติดตั้งไลบรารีที่ขึ้นอยู่กับทั้งหมด:

pip install -r requirements.txt

3. เรียกใช้ไฟล์

เพิ่มโฟลเดอร์ทั้งหมดของคุณในบรรทัดนี้ 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. ประเภทของ UNET

อาน unet1

rcnn unet R2Unet

ความสนใจ UNET อิง

ความสนใจ-rcnn unet ATT-R2U

UNET ซ้อนกัน

ซ้อนกัน

5. การสร้างภาพ

ในการพล็อตการสูญเสียจะต้องใช้ visdom รหัสถูกเขียนไปแล้วเพียงแค่ไม่ต้องไม่เขียนส่วนที่ต้องการ การไหลของการไล่ระดับสีก็สามารถใช้ได้เช่นกัน นำมาจาก (https://discuss.pytorch.org/t/check-gradient-flow-in-network/15063/10)

โฟลเดอร์โมเดลถูกสร้างขึ้นและข้อมูลทั้งหมดจะถูกเก็บไว้ภายในนั้น เลเยอร์สุดท้ายจะถูกบันทึกไว้ในโฟลเดอร์รุ่น หากจำเป็นต้องมีเลเยอร์ใด ๆ ให้พูดถึงในบรรทัด 361

การตรวจสอบเลเยอร์

การตรวจสอบตัวกรอง

Filt1

TensorBoardX ยังคงต้องปรับแต่งพารามิเตอร์บางอย่างเพื่อรับการสร้างภาพ ทำให้การพยายามทำให้ Pytorch 1.1.0 ทำงานกับ Tensorboard โดยตรง (และจากนั้นก็รู้ในปัจจุบันว่ามันไม่รองรับอะไรนอกเหนือจากกราฟเชิงเส้น)

การตรวจสอบภาพอินพุตสำหรับการตรวจสอบ

a) ภาพต้นฉบับ

b) ภาพ centercrop

6. ผลลัพธ์

คะแนนลูกเต๋าสำหรับชุดข้อมูล Adni-Loni Hippocampus

7. การอ้างอิง

หากคุณพบว่ามีประโยชน์สำหรับงานของคุณ

 @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}
}