mmseg算法库的使用
研究方向:金属扫描电镜图像的语义分割
网络:UNet
参数:数据增强,DIceloss和CEloss的混合损失
Dice系数对二分类语义分割本身有很好的评估效果
Dice loss对二分类语义分割正负样本不平衡性有很大的改善
Unet
Weights & Bias训练效果可视化链接
贝氏体钢扫描电镜图像的语义分割(贝氏体钢中马氏体和奥氏体相(MA岛)的gt和pred)可视化
loss和lr的可视化
mmseg算法库的使用
研究方向:金属扫描电镜图像的语义分割
网络:UNet
参数:数据增强,DIceloss和CEloss的混合损失
Dice系数对二分类语义分割本身有很好的评估效果
Dice loss对二分类语义分割正负样本不平衡性有很大的改善
Unet
Weights & Bias训练效果可视化链接
贝氏体钢扫描电镜图像的语义分割(贝氏体钢中马氏体和奥氏体相(MA岛)的gt和pred)可视化
loss和lr的可视化