之前用Retina Unet项目实现了眼底图像血管分割,分割网络用的是Unet,现在看了DenseNet之后,将之前Unet网络中的Conv2d替换成下图的Dense Block之后,效果会有提升。
在DRIVE数据集上的AUC值:
Methods | AUC ROC on DRIVE |
---|---|
Retina-Unet | 0.9790 |
VesselNet | 0.9841 |
下面是Dense-Unet博主的项目连接:Retina-VesselNet
- 首次运行:运行run main_train.py文件后会在experiment文件夹下生成数据路径文件,然后将自己的训练数据放进去,再次运行run main_train.py文件来进行训练。
- 测试:如果像测试自己的图片,就将测试图片放在VesselNet / test / origin文件夹下面,然后在配置文件configs/segmention_config.json中修改图片类型,再运行main_test.py就可以预测了,预测的结果在VesselNet / test / result文件夹中
- 预训练模型:也可以使用预先训练好的模型来直接预测