Author： Yiwei Guo, Zi'ao Guo
首先将数据集都按照dataset中的路径存放，csv文件和label一起放。
然后运行newpreprocess.py（train、val、test均要运行），这会生成dataset/fixed_data，存放处理过的数据。
随后运行newtrain.py，其中参数upper, lower是对图像进行上下截断的值，save指实验名称；通过调整start_epoch来设置是否热启动。
随后运行make_prediction，其中需要指定exp_path即实验目录，以及raw_data_path
随后运行make_label.py，也要指定exp_path。
最后运行evaluate/ribfrac/evaluation.py，其中gt_dir pred_dir为上一个脚本产生的label目录和原始数据集的label目录。
其中FracNet目录clone自https://github.com/M3DV/FracNet， evaluate目录clone自https://github.com/M3DV/RibFrac-Challenge
本实验在test数据集上的预测结果存放在experiments/hybrid1e-2/test_results中