基于DenseUnet和Unet 实现的语义分割对比项目：高压线绝缘子图像语义分割

数据集采用【高压线绝缘子图像语义分割，dice约为0.97，iou为0.94】，数据在data目录下，划分了训练集和验证集。【代码可一键运行】 【介绍】分割网络为DenseUnet和Unet（可以自行选择），学习率采用cos余弦退火算法。如果想在大尺度进行训练，修改base-size参数即可，优化器采用了AdamW。评估的指标为dice、iou、recall、precision、f1、pixel accuracy等等，代码会对训练和验证集进行评估，结果保存runs下的json文件中。 网络推理的时候，会自动将inference/img下所有图像进行推理，并且保存在infer_get、show下，前者是推理gt阈值图像，后者是img+推理gt的掩膜效果 更多医学图像语义分割实战：https://blog.csdn.net/qq_44886601/category_12816068.html