基于 Unet - MobileNet 对腹部肝脏（LIver）图像分割实战代码【包含完整代码、数据集等等】

# MobileUnet 分割项目的使用方法 1. 根据requirements.txt 下载需要的库文件，命令如下 # pip install -r requirements.txt 2. 数据集的文件摆放 --data--train---images 训练集的图像 --data--train---masks 训练集的图像标签 --data--val---images 验证集的图像 --data--val---masks 验证集的图像标签 --data--dataset.json json标签文件 准备好dataset.json { "0": "background", "1": "crack", "2": "horizontal crack", "3": "vertical crack" } 3. 训练 # python train.py parser.add_argument("--batch-size", default=4, type=int) parser.add_argument("--num-classes", default=2, type=int) # 背景 +1 parser.add_argument("--epochs", default=100, type=int) parser.add_argument('--lr', default=0.01, type=float) parser.add_argument('--lrf',default=0.001,type=float) # 最终学习率 = lr * lrf parser.add_argument("--img_f", default='.png', type=str) # 数据图像的后缀 parser.add_argument("--mask_f", default='_mask.png', type=str) # mask图像的后缀 4. 推理的时候 # python predict.py weights_path = "./runs/weights/best.pth" img_path = 'data/train/images/000.png'