1.配置环境
conda create -n n2v python=3.6
activate n2v
conda install tensorflow-gpu==1.12
pip install jupyter
pip install n2v
2.训练网络
D:
activate n2v
cd D:\PythonProject\n2v
ipython notebook
3.运行
01_training.py
训练好的模型存在文件夹下:
4.测试训练好后的网络
4.1运行02_prediction.py进行单张测试;
4.2如果想进行批量测试,可以结合imageJ进行:
请参考:
https://github.com/CSBDeep/CSBDeep_website/wiki/CSBDeep-in-Fiji
和
https://github.com/CSBDeep/CSBDeep_website/wiki/Your-Model-in-Fiji
****************************************************分割线*******************************************************
2019年9月21日11:34:26
使用n2v进行超声图像去噪
1.第一步,打开ipython notebook
2.修改01_training.py的train image的路径(\n2v\examples\2D\denoising2D_SEM)
imgs = datagen.load_imgs_from_directory(directory = "data/")修改为:
imgs = datagen.load_imgs_from_directory(directory = "USData/")
3.使用训练好的模型进行预测
3.1单帧预测
3.2视频预测
选择模型:
开始预测