网站标题字数,厦门做网站设计,重庆网站建设公司,做网站赚大钱引子
之前分享过一篇SAM#xff08;感兴趣的#xff0c;请移步Segment Anything#xff08;SAM#xff09;环境安装代码调试_segment anything环境-CSDN博客#xff09;环境搭建推理测试#xff0c;虽然话说Segment Anything#xff0c;但是原始模型对于一些…引子
之前分享过一篇SAM感兴趣的请移步Segment AnythingSAM环境安装代码调试_segment anything环境-CSDN博客环境搭建推理测试虽然话说Segment Anything但是原始模型对于一些子领域的效果还是不尽如人意的。最近医学领域的分割引起了我的注意调研了一圈也想看看在医学领域是否有SAM嘿巧了还真被我找到了。OK让我们开始吧。
一、安装SAM环境
docker pull cnstark/pytorch:2.0.1-py3.9.17-cuda11.8.0-ubuntu20.04
docker run -it --gpus1 --rm -v /datas/work/zzq/:/workspace cnstark/pytorch:2.0.1-py3.9.17-cuda11.8.0-ubuntu20.04 bash
cd MedSAM
git clone GitHub - bowang-lab/MedSAM: Segment Anything in Medical Images
pip install -e . -i Simple Index
二、推理测试
1、下载模型后拷贝至work_dir/文件夹下
https://drive.google.com/drive/folders/1ETWmi4AiniJeWOt6HAsYgTjYv_fkgzoN
2、添加保存最终结果代码
python MedSAM_Inference.py 148行 添加 plt.savefig(result.jpg) 3、测试结果如下 三、训练
1、下载预训练模型
https://dl.fbaipublicfiles.com/segment_anything/sam_vit_b_01ec64.pth
2、下载训练集
MICCAI FLARE22 Challenge Dataset (50 Labeled Abdomen CT Scans)
3、训练
python train_one_gpu.py
4、模型转换
python utils/ckpt_convert.py
