文件名称：boxes_tightness_prior:在MIDL 2020上的口头报告-弱监督分割的边界框
文件大小：59KB
文件格式：ZIP
更新时间：2024-06-10 00:41:29
Python
弱监督细分的边界框：全局约束接近完全监督 官方存储库 。 谈话记录可。 目录 很酷的把戏 要求（PyTorch） 要重现我们的实验，请执行以下操作： python3.8 + 火炬1.5+ nibabel（仅在切片3D卷时） 西皮 NumPy Matplotlib Scikit图片 sh 用法 代码的最重要的部分被包含在bounds.py ，与定义BoxPriorBounds 。 （ BoxBounds用于限制框大小的BoxBounds度。）它会生成一个元组列表，每个元组都包含该段的掩码（一次热编码）及其下限（ w或更低）。 然后，这些元组将由BoxPrior中的BoxPrior损失losses.py 。 简而言之，事情按以下顺序进行： BoxPriorBounds生成一个（segment，width）对list[tuple[Tensor, Tensor] ; 数据加
【文件预览】：
boxes_tightness_prior-master
----report.py(2KB)
----.gitmodules(92B)
----models()
--------residualunet.py(2KB)
--------__init__.py(0B)
--------unet_3d.py(2KB)
--------enet.py(9KB)
--------unet.py(2KB)
----main.py(23KB)
----utils.py(14KB)
----readme.md(6KB)
----data()
--------atlas.lineage(86B)
--------prostate.lineage(262B)
----bounds.py(2KB)
----networks.py(16KB)
----dataloader.py(18KB)
----hist.py(3KB)
----viewer()
----augment.py(3KB)
----losses.py(6KB)
----prostate.make(19KB)
----deepcut.py(16KB)
----moustache.py(3KB)
----gen_weak.py(10KB)
----scheduler.py(1KB)
----preprocess()
--------slice_atlas.py(8KB)
--------slice_promise.py(7KB)
----.gitignore(1KB)
----plot.py(6KB)
----metrics_overtime.py(6KB)
----atlas.make(15KB)