***************************************************

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 ...

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：

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

解压后的文件夹：

2、下载数据集并解压

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。

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

将图像和标签转化成.npz文件

生成npz文件对应的txt文件

4、下载预训练权重

5、修改部分代码

5.1 修改train.py

5.2 修改dataset_synapse.py

5.3. 修改trainer.py文件

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

最新文章

热门文章

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：

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

解压后的文件夹：

2、下载数据集并解压

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。

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

将图像和标签转化成.npz文件

生成npz文件对应的txt文件

4、下载预训练权重

5、修改部分代码

5.1 修改train.py

5.2 修改dataset_synapse.py

5.3. 修改trainer.py文件

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

最新文章

热门文章

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！