[train hyper-parameters: Namespace(base_size=400, batch_size=8, crop_size=224, epochs=15, lr=0.01, lrf=0.001)]
[epoch: 1]
global correct: 0.8602
precision: ['0.9245', '0.7964', '0.0000']
recall: ['0.8241', '0.9245', '0.0000']
IoU: ['0.7721', '0.7477', '0.0000']
mean IoU: 0.5066
[epoch: 2]
global correct: 0.8756
precision: ['0.9251', '0.8231', '0.0000']
recall: ['0.8527', '0.9232', '0.0000']
IoU: ['0.7976', '0.7704', '0.0000']
mean IoU: 0.5227
[epoch: 3]
global correct: 0.8730
precision: ['0.8946', '0.8464', '0.0000']
recall: ['0.8836', '0.8771', '0.0000']
IoU: ['0.8003', '0.7567', '0.0000']
mean IoU: 0.5190
[epoch: 4]
global correct: 0.8894
precision: ['0.8998', '0.8760', '0.0000']
recall: ['0.9050', '0.8875', '0.0000']
IoU: ['0.8222', '0.7884', '0.0000']
mean IoU: 0.5369
[epoch: 5]
global correct: 0.8901
precision: ['0.9442', '0.8342', '0.0000']
recall: ['0.8597', '0.9476', '0.0000']
IoU: ['0.8181', '0.7974', '0.0000']
mean IoU: 0.5385
[epoch: 6]
global correct: 0.8993
precision: ['0.9457', '0.8497', '0.0000']
recall: ['0.8747', '0.9495', '0.0000']
IoU: ['0.8329', '0.8130', '0.0000']
mean IoU: 0.5486
[epoch: 7]
global correct: 0.9001
precision: ['0.9352', '0.8605', '0.0000']
recall: ['0.8877', '0.9345', '0.0000']
IoU: ['0.8363', '0.8115', '0.0000']
mean IoU: 0.5493
[epoch: 8]
global correct: 0.9189
precision: ['0.9286', '0.9065', '0.0000']
recall: ['0.9306', '0.9225', '0.0000']
IoU: ['0.8684', '0.8424', '0.0000']
mean IoU: 0.5703
[epoch: 9]
global correct: 0.8819
precision: ['0.9765', '0.8072', '0.3812']
recall: ['0.8177', '0.9737', '0.4475']
IoU: ['0.8019', '0.7900', '0.2592']
mean IoU: 0.6170
[epoch: 10]
global correct: 0.9174
precision: ['0.9558', '0.8876', '0.3931']
recall: ['0.9018', '0.9450', '0.5523']
IoU: ['0.8657', '0.8440', '0.2981']
mean IoU: 0.6693
[epoch: 11]
global correct: 0.9306
precision: ['0.9466', '0.9138', '0.6737']
recall: ['0.9334', '0.9376', '0.4107']
IoU: ['0.8867', '0.8615', '0.3426']
mean IoU: 0.6969
[epoch: 12]
global correct: 0.9324
precision: ['0.9478', '0.9187', '0.6359']
recall: ['0.9348', '0.9362', '0.5938']
IoU: ['0.8890', '0.8646', '0.4431']
mean IoU: 0.7322
[epoch: 13]
global correct: 0.9284
precision: ['0.9626', '0.8930', '0.7077']
recall: ['0.9104', '0.9587', '0.5856']
IoU: ['0.8793', '0.8599', '0.4715']
mean IoU: 0.7369
[epoch: 14]
global correct: 0.9366
precision: ['0.9523', '0.9247', '0.5865']
recall: ['0.9384', '0.9399', '0.6563']
IoU: ['0.8963', '0.8731', '0.4487']
mean IoU: 0.7394
[epoch: 15]
global correct: 0.9384
precision: ['0.9536', '0.9276', '0.5816']
recall: ['0.9407', '0.9408', '0.6735']
IoU: ['0.8996', '0.8764', '0.4537']
mean IoU: 0.7432
没有合适的资源?快使用搜索试试~ 我知道了~
基于Unet+Resnet对道路分割【数据集+完整代码+训练结果】
共2000个文件
png:1773个
jpg:211个
py:8个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 118 浏览量
2024-05-28
12:32:13
上传
评论
收藏 444.89MB 7Z 举报
温馨提示
适用于python的深度学习医学十项全能分割、pytorch框架编写 代码详解:https://blog.csdn.net/qq_44886601/article/details/136053714 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 如果训练自己数据的话,直接摆好数据即可! 更多分割项目参考:https://blog.csdn.net/qq_44886601/category_12102735.html
资源推荐
资源详情
资源评论
收起资源包目录
基于Unet+Resnet对道路分割【数据集+完整代码+训练结果】 (2000个子文件)
frame836_png.rf.40673eaced0b75618fe6cc815680b09c.jpg 81KB
frame559_png.rf.718a3df8d9dbf0f499e092704833c616.jpg 75KB
frame234_png.rf.03002736f1a96c555be7e7c9752bfd36.jpg 75KB
frame6_png.rf.cac86afdb4ca02b4e5115e4fd78137cb.jpg 74KB
frame259_png.rf.c4ae0cf86a7f5c38dc0860b0aed6afb8.jpg 74KB
frame257_png.rf.6fdfebb301ec16c36c7043dcffff1d02.jpg 74KB
frame237_png.rf.4a6e105f48521d3ec585143aaa1c4a66.jpg 73KB
frame530_png.rf.7d9dfceb17e4d4d757f0eb6d4b6446d4.jpg 72KB
frame120_png.rf.f2d10b368eb2a79d799357e242b30e3c.jpg 72KB
frame77_png.rf.84dc052575d35c648c927700f8f42e56.jpg 72KB
frame14_png.rf.e9915b3f9e94ea37efb971a6bc3acd54.jpg 72KB
frame13_png.rf.8b33b2f26515abf00b2e425e95ea1484.jpg 71KB
frame535_png.rf.04a04c64480d869423f79c658b909173.jpg 71KB
frame549_png.rf.384fd5eeefd2c16b17dfcc10a0110ff4.jpg 71KB
frame474_png.rf.3dfccd942358bbc77f2bc5f154739239.jpg 71KB
frame528_png.rf.494415373d18179212d6d2cc4f2b705e.jpg 71KB
frame545_png.rf.32067c0b503745d8bf86cdecea124364.jpg 70KB
frame30_png.rf.946c35f4a1652cee692820f942450626.jpg 69KB
frame226_png.rf.2cd8cedb114e622644ea43ca9660ae0c.jpg 69KB
frame725_png.rf.ee0bedabd54504007e42b6487ae41542.jpg 68KB
frame25_png.rf.7585fe116a82554c1a23e55e23ec0b97.jpg 67KB
frame753_png.rf.ad25527b3133b4035b57bf0fc4b855d2.jpg 67KB
frame187_png.rf.acd17ec92d48fcc4cb21f8498493ea7b.jpg 67KB
frame220_png.rf.135774433f74863aa30d73c3a36060fa.jpg 66KB
frame402_png.rf.750c470193a2ed036ae95d76d9a244d0.jpg 66KB
frame800_png.rf.3e9a82be4a8f2ff44c17fa5b2477acae.jpg 66KB
frame93.rf.7109537f723ad9de6d0acf006bc2d444.jpg 66KB
frame93_png.rf.0746fc359d4dde139962efccc3b5df84.jpg 66KB
frame172_png.rf.fe3c7504f4d7e884723cd662aed9b4eb.jpg 66KB
frame241_png.rf.599a64d5b99bfc3a8088efe9f8fa2e75.jpg 65KB
frame555_png.rf.b17c950afcc8890d1c21d7aa7e354f24.jpg 65KB
frame207_png.rf.e6a85ec7a45d4e2635db62c4ce179233.jpg 64KB
frame513_png.rf.c6a1b71d72efea33c873e4f8ffafcccc.jpg 63KB
frame94.rf.19b3f799bc61f0baff39fd8c2f30d73b.jpg 63KB
frame485_png.rf.25d3ba34e58ab5a46e1e30f16df67af7.jpg 62KB
frame208_png.rf.91504ad2dbf947660fb04ff2c5955bdf.jpg 62KB
frame704_png.rf.53d0a933ba54fb5465079fcc5f3749f6.jpg 62KB
frame676_png.rf.e3fef5c12cec5a2722b02c3c33f80213.jpg 62KB
frame183_png.rf.5d87deb1ca42f1d3fac98c78e4837847.jpg 61KB
frame180_png.rf.a93b35d66bddc7728d2f39725222d52a.jpg 61KB
frame702_png.rf.737b17629431fb52040fab73707be942.jpg 61KB
frame589_png.rf.7fd39758a456e952ac9f8b962d016700.jpg 59KB
frame0_png.rf.ede92261223330da2f38ddfe9eaccf0c.jpg 59KB
frame572_png.rf.588ed4c2de8fb1466a6211cb2f4ea31d.jpg 59KB
frame18_png.rf.e8af6fc36801d02f115616c124ac490b.jpg 59KB
frame785_png.rf.1d670eeb622675a4be38b80ac0e1b40b.jpg 59KB
frame786_png.rf.badb35e8d82b17e512be6d913c49cf4d.jpg 58KB
frame836_png.rf.fb6bc970442b0cf88e46cb5117709bf9.jpg 58KB
frame659_png.rf.48625fc8c46c01a4fe21ac8bd8828fab.jpg 58KB
frame694_png.rf.79ef79d6ec58373be7c830d5d89f9dd6.jpg 58KB
s.jpg 58KB
frame612_png.rf.c01cb2c3d30c694208721e4140fbe7a6.jpg 58KB
frame739_png.rf.4e1916b270f33eef6a22fb25e548e437.jpg 58KB
frame834_png.rf.1f696e85e9cd040a22e53d9d58de5de6.jpg 57KB
frame580_png.rf.9f295bfc7f7deec7b65e16326fe46b58.jpg 56KB
frame77_png.rf.ebdb815c6df8404e7637772904c5fd9f.jpg 56KB
frame54_png.rf.2305a04d523b6f8ab41fcfb4f96ae9a6.jpg 55KB
frame497_png.rf.22574926c9737ca265c0a80ceaff49b3.jpg 55KB
frame621_png.rf.cd30d30899e65793f8beb8a3e23c6f6e.jpg 55KB
frame559_png.rf.03e4369215836d4ae01c032d7d7993e0.jpg 55KB
frame813_png.rf.f1038c13bd61825871bcbcede1f21a0c.jpg 55KB
frame235_png.rf.ce701fff79769451c20794605ebe14da.jpg 54KB
frame389_png.rf.c951328b25ee94de772d5ae62cb792b8.jpg 54KB
frame508_png.rf.7b9c5ff9beddf9d7f47014d5f5d89ed3.jpg 54KB
frame221_png.rf.25a12507a7db12b34fb0584ea0cc5fec.jpg 54KB
frame469_png.rf.6e4deb65e17725ad9f82d7b790785bc7.jpg 53KB
frame773_png.rf.577d19808c5385e994fda6535d3af1a8.jpg 53KB
frame65_png.rf.e022c778391c9f2a27e5440ccf655718.jpg 53KB
frame260_png.rf.b0a013d7e0e49f18d8ed33030ef6e38e.jpg 53KB
frame28_png.rf.a6871f02257f8acd451f23117a4d34ef.jpg 53KB
frame262_png.rf.72406b65ba63bd3b210f71dbf10f7ab5.jpg 53KB
frame512_png.rf.d97ef36575444006d8208761a5d37763.jpg 53KB
frame114_png.rf.a9aacc9b2c5826668b43b11a89da90e0.jpg 53KB
frame533_png.rf.9be100e318049abd88ff61500028fbc9.jpg 53KB
frame560_png.rf.93859965c1880b12c3e82c2aa1443308.jpg 53KB
frame108_png.rf.d58122e20bdd730709acca6b371ee2d6.jpg 52KB
frame30_png.rf.c9cee22432b9c7f22b2f706d19ccf0b2.jpg 52KB
frame226_png.rf.066af8d08b953c6d165edc2b67459cf2.jpg 52KB
frame22_png.rf.774ecbeef4a5cd02267f6ed52b1aaaf6.jpg 52KB
frame542_png.rf.b22c5430a93d826859c55dbcbf24ceac.jpg 52KB
frame89_png.rf.658ec30af4c3a29e9ded94b723771a82.jpg 52KB
frame103_png.rf.b6ff2c4c11ee3b0a353e3f506d1e9084.jpg 52KB
frame537_png.rf.951fd9db3c9ba3d4b547aabb128e87c2.jpg 52KB
frame69_png.rf.5954f3473acc3b47e28420efb83f2cc8.jpg 52KB
frame254_png.rf.94e97aee2cf885ec799db1a01ad9cf56.jpg 52KB
frame424_png.rf.6a07177bdb3818ee412e226d3fdee395.jpg 51KB
frame539_png.rf.aa41e0f70ff0b7bb5b26c399a789dbe2.jpg 51KB
frame403_png.rf.2a30a4a04de9801755ccb305336a9405.jpg 51KB
frame226_png.rf.b29527fe30ee546fbe411f22e99b2b6d.jpg 51KB
frame228_png.rf.d1ca38ea311f27f72c89d9ae49f3df9d.jpg 51KB
frame666_png.rf.15dea7a2d8b3ea00e72fa1c3e50d2e88.jpg 51KB
frame520_png.rf.9c54090e26918ba65a1156420a0a7726.jpg 51KB
frame109_png.rf.6f7d706a835ddf6dbfd723c5afa267d6.jpg 51KB
frame221_png.rf.28c62c17f8b9125be57f1eba1b2b937e.jpg 50KB
frame19_png.rf.df2d34e578af61109ce34242046cc2d3.jpg 50KB
frame824_png.rf.4f1bcedf947ffa2c4d42c23a15e6257f.jpg 50KB
frame396_png.rf.908564b6387b478d1a74aa844a278bfb.jpg 50KB
frame776_png.rf.2ef065a5eff0f8bc45f7c2ef6e2e5b6e.jpg 50KB
frame497_png.rf.2e7e6d8cf0f84a4ce98d512b972a3ec4.jpg 50KB
frame447_png.rf.98a59ab8799ece84201870ed78f5645b.jpg 50KB
共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
资源评论
Ai医学图像分割
- 粉丝: 2w+
- 资源: 2276
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功