SwinUnet官方代码训练自己数据集(单通道灰度图像的分割)
***************************************************
码字不易,收藏之余,别忘了给我点个赞吧!
***************************************************
---------Start
关于swinUnet网络的测试部分请移步另一篇博文
官方代码:https://github.com/HuCaoFighting/Swin-Unet
目的:训练Swin-Unet分割肺部区域
官方数据集位置(可能下载不了):https://www.kaggle.com/datasets/nikhilpandey360/chest-xray-masks-and-labels
CSDN免费下载数据集
实现效果:
输入原图
输出标签
此文中只用了整个数据集中的345张图像用来完成整个分割任务!
1、下载官方代码并解压
代码地址
解压后的文件夹:
2、下载数据集并解压
数据集地址
我们只需要用到以下两个文件夹:分别代表图片和标签。原文件中图片有800张,标签只有704张,有部分img没有标签,需要在制作npz文件的时候注意一下。
这是本文用到的345张图像和对应的mask
用于分割任务的标签,
3、生成.npz文件
pycharm打开项目文件,配置好python解释器,创建data目录
data目录中,train_npz是用来存放训练所用的npz文件,test_vol_h5用来存放测试所用的npz文件,这是官方命名,可以少改代码。
将图像和标签转化成.npz文件
将原图像和标签保持在同目录
转换代码:(根据自己数据的位置修改下路径),若是只有背景+目标两个类别,这个代码可以直接用,若是三个及以上类别的分割,代码应该根据你的图像数据做调整,调整之后保证以下代码的label数组中,背景用0像素,目标用1,2,3,4…像素分别表示,一个像素值代表一种类别。例如(0:背景,1:类别1,2:类别2,3:类别3…)。
def npz():#原图像路径path = r'G:\dataset\Segmentation\LungSegmentation\npz\images\*.png'#项目中存放训练所用的npz文件路径path2 = r'G:\dataset\Unet\TransUnet-ori\data\Synapse\train_npz\\'for i,img_path in enumerate(glob.glob(path)):#读入图像image = cv2.imread(img_path)image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)#读入标签label_path = img_path.replace('images','labels')label = cv2.imread(label_path,flags=0)#将非目标像素设置为0label[label!=255]=0#将目标像素设置为1label[label==255]=1#保存npznp.savez(path2+str(i),image=image,label=label)print('------------',i)# 加载npz文件# data = np.load(r'G:\dataset\Unet\Swin-Unet-ori\data\Synapse\train_npz\0.npz', allow_pickle=True)# image, label = data['image'], data['label']print('ok')
将训练和测试的图像数据分别生成为train_npz和test_vol_h5中的npz文件
生成npz文件对应的txt文件
txt文件的内容是模型训练和测试过程中读入图像数据的名称。忽略my_tools.py文件。
生成txt文件的代码,根据训练和测试的npz文件分别生成train.txt和test_vol.txt文件。
def write_name():#npz文件路径files = glob.glob(r'C:\Users\22120\Desktop\Swin-Unet-main\data\Synapse\test_vol_h5\*.npz')#txt文件路径f = open(r'C:\Users\22120\Desktop\Swin-Unet-main\lists\lists_Synapse\test_vol.txt','w')for i in files:name = i.split('\\')[-1]name = name[:-4]+'\n'f.write(name)
4、下载预训练权重
官方下载地址
csdn免费下载(推荐)
权重下载好之后,放入项目的pretrained_ckpt文件夹下,官方只提供了输入大小为224的模型权重。
5、修改部分代码
当你的图像数据是单通道时,按照文中写的内容修改后肯定能正常训练。若是三通道及以上的输入图像,也照着文中写的内容修改,若仍有问题,可以评论或私信我,一起解决吧。
5.1 修改train.py
修改常规参数,配置文件路径,注意num_classes等于背景+预测目标类别个数。因为修改之处不多,见谅没有放上修改后的代码,参考图中标识修改即可。
output_dir:训练日志和输出权重保存的路径
root_path:为数据集存放的根目录
5.2 修改dataset_synapse.py
自己生成的npz文件和官方的npz文件格式有差异,在这里做了调整,调整之后完全一致。
5.3. 修改trainer.py文件
设置trainer.py文件中的DataLoader函数中的num_workers=0
至此,所有代码修改完毕,执行train.py文件,若控制台有以下输出,即成功跑通!
训练完毕后项目文件中的output文件夹里存放着训练的输出日志和模型权重。
总结: 由于仅文字表述某些操作存在局限性,故只能简略描述,有任何疑问可下方留言评论或私信,回复不及还望见谅,感激不尽!
SwinUnet官方代码训练自己数据集(单通道灰度图像的分割)相关推荐
- TransUnet官方代码训练自己数据集(彩色RGB3通道图像的分割)
*************************************************** 码字不易,收藏之余,别忘了给我点个赞吧! *************************** ...
- 【swinUnet官方代码测试自己的数据集(已训练完毕)】
*************************************************** 码字不易,收藏之余,别忘了给我点个赞吧! *************************** ...
- opencv 把3通道图像转成单通道_小强学Python+OpenCV之-1.4.3图像(矩阵)加减运算
引入 问题引入,考虑以下几个问题: Q1. 一个3通道像素p的BGR分量(8bit表示)值均相同,那么这个像素是什么颜色的? Q2. 该像素p加上自己,即,像素p的各个通道值翻倍,那么这个像素的颜色会 ...
- python制作图片数据集_Pytorch自己加载单通道图片用作数据集训练的实例
pytorch 在torchvision包里面有很多的的打包好的数据集,例如minist,Imagenet-12,CIFAR10 和CIFAR100.在torchvision的dataset包里面,用 ...
- VOC数据集制作 滑窗切分图片 单通道标签调色板
做PASCAL VOC语义分割数据集的时候, 1.标注工具使用labelme,我是在anaconda下新建了一个名字为labelme的虚拟环境,将labelme安装在了这个环境下面,具体的安装一堆教程 ...
- U2Net、U2NetP分割模型训练---自定义dataset、训练代码训练自己的数据集
前言 博客很久没有更新了,今天就来更新一篇博客吧,哈哈: 最近在做图像分割相关的任务,因此,写这么一篇博客来简单实现一下分割是怎么做的,内容简单,枯燥,需要耐心看,哈哈: 博客的内容相对简单,比较适合 ...
- yolov5篇---官方代码docker部署训练
yolov5训练自己的数据集(docker) yolov5官方代码: 选择 tag v5.0 https://github.com/ultralytics/yolov5 训练方式可参照另一篇博客 ht ...
- 革命性提升-宇宙最强的NLP预训练BERT模型(附官方代码)
编辑 忆臻 公众号 | 机器学习算法与自然语言处理 yizhennotes 1. Bert官方源码公开 终于是千呼万唤始出来,Google AI 发表于10月中旬的论文: <BERT: Pre ...
- (已修改)机器学习之文本分类(附带训练集+数据集+所有代码)
本博客是我对之前博客进行的一些优化,对文件的处理,以及添加更多的注释让大家在NLP,文本分类等领域能够更快的让代码跑起来. 原文链接:https://blog.csdn.net/qq_28626909 ...
最新文章
- 二极管7种应用电路详解之二
- 中使用js修改变量值_谈一谈css-in-js在React项目中的使用
- wxWidgets:wxCalculateLayoutEvent类用法
- [C++] - C++11 多线程 - Future
- 【Java】java中this$0 this$1 this$2
- 线性回归的梯度下降和正规方程组求解
- 数据可视化黑科技!它比python强大20倍
- 【转】你用什么手机,你就是什么人品!!
- 员工管理能力怎么提高?不妨使用现代工时表软件
- 设计模式(一)——设计模式的七大原则
- 什么是android原生系统版本,定制安卓和原生Android到底有哪些不同之处?彻底真相了...
- 颜色的原理,三基色原理以及HLS(色相、亮度、饱和度)原理
- linux常用命令小结
- FFT+NNT 深入学习记录 秦皇岛camp 乒乓球
- 计蒜客 - 青出于蓝胜于蓝
- 笔记本连不上路由器WiFi,可以连接手机热点,手机可以连接WiFi
- Word怎么转换成PDF?Speedpdf批量免费在线转换
- Android电池矫正方法
- sqlserver函数多行数据合并成一行
- js面向对象怎么理解