yuhuan-wu / JCS

作者您好，在该实验中你们提供了数据集的中间特征信息，那么我在训练完自己的数据集后，如何进行测试呢？

在该库的vgg16和res2net的代码内，
Two places:

Line 122 in fa4bb6a

    
           def __init__(self, block, layers, baseWidth = 26, scale = 4, num_classes=1000, input_features=False):

Line 7 in fa4bb6a

def __init__(self, input_features=False):

input_features意思是网络的输入是否为中间层特征

如果你使用中间层特征作为输入，请将vgg16和res2net的self.input_features变量置为True。相反，如果你使用原始图像的话，

请将其置为False. 这样的话，forward函数会依据该变量(self.input_features)来判断是否直接使用输入的中间特征。

非常感谢作者！！！

作者你好，不好意思，又需要麻烦以下你了。目前我存在一个问题，就是我把利用自己的数据集训练过后的模型进行分割测试后，分割结果总是黑的，没有分割出来。我刚开始以为是自己训练不够好导致的问题，后面我修改之后，再进行测试，发现结果仍然是黑的，不知道您是否能帮忙回答这个问题呢！感谢～

作者你好，不好意思，又需要麻烦以下你了。目前我存在一个问题，就是我把利用自己的数据集训练过后的模型进行分割测试后，分割结果总是黑的，没有分割出来。我刚开始以为是自己训练不够好导致的问题，后面我修改之后，再进行测试，发现结果仍然是黑的，不知道您是否能帮忙回答这个问题呢！感谢～

请问是使用个人数据作为输入，然后使用JCS作为训练模型么？如果是的话，请先检查一下训练过程中loss有没有正常下降。
如果训练正常且测试集中有病灶区域的话，是不会出现测试结果全黑这种极端错误的情况的。

是的，loss值看上去也比较正常，我怀疑是否是因为我的数据集太少导致的原因。但是我前面训练也有利用作者您公开的COVID-CT100进行训练，情况也是如此。我现在训练的数据很少，都是利用各种开放数据集集合在一起进行的训练。不知道是否是这个原因。

有可能是模态差的太多了？因为没法看到相关的数据，先提出以上的猜想。
可否放几个training set和testing set的examples? 这样也许好分析一些

这是训练集

格式我都处理好了

这是label集

训练过程中我还保存了中间结果，是有分割内容的

但是用训练IOU超过0.7以上的模型来测试，结果就是全黑的

麻烦您帮忙分析一下呢～

个人数据集训练的模型如何在该实验中进行测试分割？