基于Unet 对人体脊椎图像的分割【包含数据集、完整代码、训练的结果文件】

基于Unet 对人体脊椎分割的分割【包含数据集、完整代码、训练的结果文件】 本项目数据集：人体脊椎分割 网络仅仅训练了10个epochs，全局像素点的准确度达到0.95，miou为0.16，训练epoch加大的话，性能还会更加优越 代码介绍： 【训练】train 脚本会自动训练，代码会自动将数据随机缩放为设定尺寸的0.5-1.5倍之间，实现多尺度训练。为了实现多分割项目，utils中的compute_gray函数会将mask灰度值保存在txt文本，并且自动为unet网络定义输出的channel 【介绍】学习率采用cos衰减，训练集和测试集的损失和iou曲线可以在run_results文件内查看，图像由matplotlib库绘制。除此外，还保存了训练日志，最好权重等，在训练日志可以看到每个类别的iou、recall、precision以及全局像素点的准确率等等 【推理】把待推理图像放在inference目录下，直接运行predict脚本即可，无需设定参数 具体参考README文件，小白均可使用，如果训练自己数据的话，直接摆好数据即可！