海口双语网站建设,2019年度最火关键词,深圳建网建网站,怎样建立一个网站步骤代码来自#xff1a;https://github.com/ChuHan89/WSSS-Tissue?tabreadme-ov-file
借助了一些人工智能
run_pipeline.sh
功能总结
该脚本用于执行一个 弱监督语义分割#xff08;WSSS#xff09; 的完整流程#xff0c;包含三个阶段#xff1a; Stage1#xff1a;训…代码来自https://github.com/ChuHan89/WSSS-Tissue?tabreadme-ov-file
借助了一些人工智能
run_pipeline.sh
功能总结
该脚本用于执行一个 弱监督语义分割WSSS 的完整流程包含三个阶段 Stage1训练一个基于 ResNet38 的多标签分类模型生成图像级标签。 生成伪掩码PM利用 Stage1 的模型生成 3 种级别的伪分割掩码。 Stage2使用伪掩码训练 DeepLab v3 分割模型完成像素级分割任务。
代码解释
1. 设置数据集变量
DATASETluad
DATASETNAMELUAD-HistoSeg
作用定义数据集变量。DATASET 是数据集的缩写用于代码内部标识DATASETNAME 是数据集文件夹的实际名称。
用户需修改替换这两个变量以切换不同数据集例如 bcss 和 BCSS-WSSS。
2. Stage1: 训练分类模型
python 1_train_stage1.py \--dataset $DATASET \--trainroot datasets/$DATASETNAME/train/ \--testroot datasets/$DATASETNAME/test/ \--max_epoches 20 \ logs/stage1_log_on_$DATASET.txt 参数解析 --dataset指定数据集标识符与代码内部逻辑匹配。 --trainroot/--testroot训练集和测试集的路径。 --max_epoches最大训练轮数20轮。 输出模型权重保存为 checkpoints/stage1_checkpoint_trained_on_$DATASET.pth日志重定向到 logs/stage1_log_on_$DATASET.txt。
3. 生成伪掩码PM
python 2_generate_PM.py \--dataroot datasets/$DATASETNAME \--dataset $DATASET \--weights checkpoints/stage1_checkpoint_trained_on_$DATASET.pth \ logs/stagePM_log_on_$DATASET.txt 参数解析 --dataroot数据集根目录包含训练和测试数据。 --weightsStage1 训练好的分类模型权重路径。 作用利用分类模型生成 3 种级别的伪分割掩码如 CAM、边界增强掩码等。 输出伪掩码保存在数据集目录中日志写入 logs/stagePM_log_on_$DATASET.txt。
4. Stage2: 训练分割模型
python 3_train_stage2.py \--dataset $DATASET \--dataroot datasets/$DATASETNAME \--epochs 30 \--Is_GM False \--resume_stage1 checkpoints/stage1_checkpoint_trained_on_$DATASET.pth \--resume init_weights/deeplab-resnet.pth.tar \ logs/stage2_log_on_$DATASET.txt 参数解析 --epochs训练轮数30轮。 --Is_GM是否使用全局模型此处为 False。 --resume_stage1加载 Stage1 的模型权重用于初始化部分参数。 --resumeDeepLab v3 的预训练权重路径ImageNet 预训练。 作用使用伪掩码训练 DeepLab v3 分割模型实现像素级预测。 输出分割模型权重保存日志写入 logs/stage2_log_on_$DATASET.txt。 潜在注意事项 路径依赖需确保 datasets/、checkpoints/、logs/ 和 init_weights/ 目录存在且结构正确。 预训练权重deeplab-resnet.pth.tar 需事先下载并放入 init_weights/。 GPU 支持代码默认可能使用 GPU如需 CPU 训练需查看 Python 代码内部是否支持。 日志监控可通过 tail -f logs/stage1_log_on_$DATASET.txt 实时监控训练进度。
流程图
graph TDA[Stage1: 训练分类模型] -- B[生成伪掩码 PM]B -- C[Stage2: 训练分割模型]
