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
71 lines
2.1 KiB
Markdown
71 lines
2.1 KiB
Markdown
# 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 |