# 环境配置指南

## 安装依赖库
```bash
# 激活虚拟环境（如果使用）
.\.venv\Scripts\activate

# 安装核心依赖
pip install -r requirements.txt
```

## COCO数据集准备
> 重要：请将COCO格式数据集组织为以下结构：

```
dataset/
├── train/      # 存放训练集图像
├── valid/      # 存放验证集图像
├── test/       # 存放测试集图像
└── _annotations.coco.json  # COCO格式标注文件（需在每个子目录下）
```

### 数据集获取建议
- 可从COCO官方数据集下载：https://cocodataset.org/#download
- 或使用自定义标注数据（需符合COCO格式规范）

## 数据集准备
> 重要：请确保已将脑肿瘤数据集组织为以下结构：

```
data/
├── images/     # 存放原始图像（文件名需包含"_image"后缀）
└── masks/      # 存放对应掩码图像（文件名需包含"_mask"后缀）
```

### 数据集命名规范
1. 原始图像：`xxx_image.jpg`
2. 对应掩码：`xxx_mask.jpg`
3. 确保图像和掩码文件名除后缀外完全相同

### 数据集获取建议
- 可从Kaggle脑肿瘤数据集下载：https://www.kaggle.com/datasets/pkdarabi/brain-tumor-image-dataset-semantic-segmentation
- 或使用自定义标注数据

## 数据准备指南

### 图像分割数据集
1. **Oxford-IIIT Pet Dataset** (推荐)
   - 下载地址: https://www.robots.ox.ac.uk/~vgg/data/pets/
   - 解压后包含两个主要目录：
     - `images/` - 原始图像
     - `annotations/trimaps/` - 对应的掩码图像
   - 将图像复制到项目目录：
     ```bash
     cp -r images/ ../AI-exp-2/data/images/
     cp -r annotations/trimaps/ ../AI-exp-2/data/masks/
     ```

2. **自定义数据集**
   - 准备至少20对图像和对应的二值掩码图像
   - 图像命名需保持一致（如：image001.jpg 和 image001_mask.jpg）

### SIFT测试图像
1. 准备一张彩色测试图像（JPG格式）
2. 重命名为 `image.jpg`
3. 放置到 `data/` 目录下

## 目录结构验证
```bash
# 验证目录结构是否正确
python setup_directories.py