fly6516
b1e90c4c9d
- 添加 U-Net 模型实现图像分割功能- 实现 SIFT 特征提取算法 - 创建实验报告模板和环境配置指南 - 添加数据集下载脚本和目录结构设置脚本 - 实现模型训练和测试流程
70 lines
1.3 KiB
Markdown
70 lines
1.3 KiB
Markdown
# 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```
|
||
```
|
||
|
||
```
|
||
|
||
```
|
||
|
||
```
|