要求:
Python 3.8
PyTorch 1.6, 1.8
CUDA 10.0, 10.1
数据集:
KolektorSDD ,[点此下载]
在colab上运行示例:
先将git上源码克隆过来
!git clone https://github.com/vicoslab/mixed-segdec-net-comind2021
然后下载KSDD数据集
% cd /content/mixed-segdec-net-comind2021
% cd /content/mixed-segdec-net-comind2021/datasets/KSDD
!python download_and_extract.py
然后训练/评估模型:
train_net.py是培训和评估的主要入口
models.py是网络模型文件
data/dataset_catalog.py是包含当前支持的数据集
python -u train_net.py \
--GPU=0 \
--DATASET=KSDD \
--RUN_NAME=RUN_NAME \
--DATASET_PATH=/path/to/dataset \
--RESULTS_PATH=/path/to/save/results \
--SAVE_IMAGES=True \
--DILATE=7 \
--EPOCHS=50 \
--LEARNING_RATE=1.0 \
--DELTA_CLS_LOSS=0.01 \
--BATCH_SIZE=1 \
--WEIGHTED_SEG_LOSS=True \
--WEIGHTED_SEG_LOSS_P=2 \
--WEIGHTED_SEG_LOSS_MAX=1 \
--DYN_BALANCED_LOSS=True \
--GRADIENT_ADJUSTMENT=True \
--FREQUENCY_SAMPLING=True \
--TRAIN_NUM=33 \
--NUM_SEGMENTED=33 \
--FOLD=0
详细情况如下图:
(设置自己保存的路径以及训练的参数)
训练好之后,结果保存在results中,KSDD需要结合所有三个方面的评估结果,使用join_folds_results.py:
python -u join_folds_results.py
–RUN_NAME=SAMPLE_RUN
–RESULTS_PATH=/path/to/save/results
–DATASET=KSDD
(注意自己保存到路径以及数据集所在的路径)
上图就是评估结果,也可以用read_results.py下载数据集生成所有运行的结果表。