自然环境以及白背景下单片西瓜叶片分割模型以及利用MIOU(平均交并比)算法进行评估、分割结果展示 (由于数据集未全部上传,运行本项目代码的train.py或者accuracy.py文件皆有可能会报错,建议自己替换数据集并修改代码!)
存放Unet模型代码及训练、预测代码,由于训练数据为我们学校私有,不便全部上传,仅上传18张原图片与标注图以便测试
Unet模型构建代码保存在此文件内
实例化Unet类时传入两个参数
1:输入图片的通道数
2:输出图片的通道数
利用 torch.utils.datar 中的 Dataset,DataLoade 来读取数据,构建数据导入器
由于数据集不可外传,DealDataset类不可直接运行,需要自己修改或重新创建本类
定义模型的训练过程,使用BCEWithLogitsLoss计算损失,用RMSprop作为模型优化器
如果你修改了train_loader的batchsize,请将train()中的batch_size参数一同修改
本模型传入的图像为(512,512,1)的灰度图片
定义了一个MIOU(平均交并比)算法,accuracy()函数为主函数.
传入参数为 一张待分割的图片 , 该图片对应的标注图 , 以及待评估的模型.
自定义一个循环调用该accuracy函数,将结果保存在数组中,取平均值即为近似模型分割准确率.
存放已经训练好的一个pytorch模型文件
自测分割准确率93%!
欢迎提交Issue!
QQ:2014176995
Q群:733909231
有问题欢迎联系我!
共同学习一起进步!