(forked from milesial, little change with original implementation)
本文 U-Net 实现用于医学影像分割学习. 数据集百度云盘 链接: https://pan.baidu.com/s/1XywcO2gsm3AhKn9P8Ye7UA 提取码: 2q9i
Note : Use Python 3
> python train.py -h
usage: train.py [-h] [-e E] [-b [B]] [-l [LR]] [-f LOAD] [-s SCALE] [-v VAL]
可选参数:
-h, --help 显示帮助信息
-e E, --epochs E 训练轮次 (epochs，默认: 5次)
-b [B], --batch-size [B]
Batch size (默认: 1)
-l [LR], --learning-rate [LR]
学习率 (默认: 0.1)
-f LOAD, --load LOAD 从 .pth 中加载模型 (默认: False)
-s SCALE, --scale SCALE
图像缩放因子 (默认: 0.5)
-v VAL, --validation VAL
验证集所在比例 (0-100，默认: 15.0)
为防止显存消耗过大，scale 默认是0.5（还可以更小）。如果你家里有卡，不在乎这点影响，完全可以把它设为1。（后续加入apex特性，更加省显存）
Warning: windows下请注意路径问题！
将 imgs 和 masks 目录放在 根目录下的 data 目录下。
使用下面命令来实时查看训练、测试的loss及预测的精度变化:
tensorboard --logdir=runs
命令行下推理预测图片的mask非常简单：
对单张图片预测并保存结果:
python predict.py -i image.jpg -o output.jpg
对多张图片预测并显示（可选保存）:
python predict.py -i image1.jpg image2.jpg --viz --no-save
> python predict.py -h
usage: predict.py [-h] [--model FILE] --input INPUT [INPUT ...]
[--output INPUT [INPUT ...]] [--viz] [--no-save]
[--mask-threshold MASK_THRESHOLD] [--scale SCALE]
对输入图片预测mask区域：
可选参数:
-h, --help 显示帮助信息
--model FILE, -m FILE
指定使用的模型文件 (默认: MODEL.pth)
--input INPUT [INPUT ...], -i INPUT [INPUT ...]
输入图片 (默认: None)
--output INPUT [INPUT ...], -o INPUT [INPUT ...]
输出mask文件 (默认: None)
--viz, -v 可视化处理后的图片 (默认: False)
--no-save, -n 不保存输出的Mask文件 (默认: False)
--mask-threshold MASK_THRESHOLD, -t MASK_THRESHOLD
被认为是mask点的阈值概率 (默认: 0.5)
--scale SCALE, -s SCALE
图片缩放因子 (默认: 0.5)Olaf Ronneberger, Philipp Fischer, Thomas Brox: https://arxiv.org/abs/1505.04597
