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