# 激活虚拟环境
.\.venv\Scripts\activate

# 确保数据集已正确放置在data/目录下
# 验证数据集结构：
# - data/images/ (原始图像)
# - data/masks/ (对应掩码)

# 运行UNet训练
python code/unet_segmentation.py
```

预期输出：
```
Epoch [1/10], Loss: 0.4567
Epoch [2/10], Loss: 0.3214
...
训练完成，总耗时: 125.36 秒
模型已保存为 unet_brain_tumor.pth
```

## 运行图像分割实验（COCO格式数据集）
```bash
# 激活虚拟环境
.\.venv\Scripts\activate

# 确保数据集已正确放置在dataset/目录下
# 验证数据集结构：
# - dataset/train/ (训练集图像)
# - dataset/valid/ (验证集图像)
# - dataset/test/  (测试集图像)
# - _annotations.coco.json (标注文件)

# 运行UNet训练
python code/unet_segmentation.py
```

预期输出：
```
INFO - 成功加载 N 个训练样本
INFO - Epoch [1/10], Loss: 0.4567
INFO - Epoch [2/10], Loss: 0.3214
...
INFO - 训练完成，总耗时: 125.36 秒
INFO - 模型已保存为 unet_coco.pth```

## 运行SIFT特征提取实验
```bash
# 激活虚拟环境
.\.venv\Scripts\activate

# 运行SIFT特征提取
python code/sift_features.py
```

预期输出：
```
开始SIFT特征提取...
检测到 128 个关键点
描述符形状: (128, 128)
特征提取耗时: 0.0456 秒
结果已保存至: output/sift_results/sift_result.jpg```
```

```

```

```