Comments (5)
首先,非常感谢你们的工作!
有几个小问题想请教:
- 原始数据的每个volume的depth不尽相同,从47到17不等,而您的patch数据集的每个batch的depth都是
64,请问您是具体如何处理,生成数据集的?
2.关于数据预处理:您具体采用了什么数据预处理和数据augmentation策略?
非常感谢!
@junqiangchen
非常感谢您提出的问题,1、我为了方便训练将所有的图像进行线性插值将图像都插值到512x512x64的大小的。2、数据预处理主要就用了直方图匹配和归一化,数据没有做augmentation策略。
from vnet3d.
首先,非常感谢你们的工作!
有几个小问题想请教:
- 原始数据的每个volume的depth不尽相同,从47到17不等,而您的patch数据集的每个batch的depth都是
64,请问您是具体如何处理,生成数据集的?
2.关于数据预处理:您具体采用了什么数据预处理和数据augmentation策略?
非常感谢!
@junqiangchen非常感谢您提出的问题,1、我为了方便训练将所有的图像进行线性插值将图像都插值到512x512x64的大小的。2、数据预处理主要就用了直方图匹配和归一化,数据没有做augmentation策略。
非常感谢您的回答,想关于插值追问几个问题:
- 您具体使用什么插值函数?(opencv,sitk ... ... or other libs)
- 对于训练集来说,label的插值如何处理?我想可能与对image的处理相同,那么image和label之间严格
的一一对应关系如何保证? - 对于test数据(30个volume,比赛数据,无label),我看
vnet3d_train_predict.py
中的predict0()
函数,也将depth维度插值为64,这样的插值如何恢复到原始的depth?
再次感谢 @junqiangchen
from vnet3d.
首先,非常感谢你们的工作!
有几个小问题想请教:
- 原始数据的每个volume的depth不尽相同,从47到17不等,而您的patch数据集的每个batch的depth都是
64,请问您是具体如何处理,生成数据集的?
2.关于数据预处理:您具体采用了什么数据预处理和数据augmentation策略?
非常感谢!
@junqiangchen非常感谢您提出的问题,1、我为了方便训练将所有的图像进行线性插值将图像都插值到512x512x64的大小的。2、数据预处理主要就用了直方图匹配和归一化,数据没有做augmentation策略。
非常感谢您的回答,想关于插值追问几个问题:
- 您具体使用什么插值函数?(opencv,sitk ... ... or other libs)
- 对于训练集来说,label的插值如何处理?我想可能与对image的处理相同,那么image和label之间严格
的一一对应关系如何保证?- 对于test数据(30个volume,比赛数据,无label),我看
vnet3d_train_predict.py
中的predict0()
函数,也将depth维度插值为64,这样的插值如何恢复到原始的depth?
再次感谢 @junqiangchen
1、用的是sitk库去做插值。
2、插值的时候对于image和label采用不同的插值方法:image采用线性插值方法,label采用最近邻插值方法。一一对应其实不是很难,只需要对image插值完成后,再对相应的label进行插值即可,不同的只是插值方法,其他所有的大小参数都是一样的。
3、在test的时候,首先将原始image插值成512x512x64大小,再预测结束得到结果后,对预测label进行插值到原始image的大小即可。
如有问题,随时提问,谢谢。
from vnet3d.
您好,您说的“在test的时候,首先将原始image插值成512x512x64大小”这个怎么将原始image插值成512x512我可以理解,怎么插值成512x512x64大小呀?是随机的将原来测试集每个volume的20几张到30几张不等的图片扩充到64张吗?谢谢!
from vnet3d.
您好,您说的“在test的时候,首先将原始image插值成512x512x64大小”这个怎么将原始image插值成512x512我可以理解,怎么插值成512x512x64大小呀?是随机的将原来测试集每个volume的20几张到30几张不等的图片扩充到64张吗?谢谢!
我是用simpleitk进行插值的,例如:原始512x512x35,我将图像差值到512x512x64,然后测试,将测试结果再插值成512x512x35即可。
from vnet3d.
Related Issues (18)
- 关于标签 HOT 1
- 請教影像前處理 HOT 1
- 关于训练自己数据 HOT 1
- Different between .pd and .ckpt format model file? HOT 1
- About Train and test data. HOT 1
- why use fuction weight_xavier_init to work on the convolution kernel? HOT 1
- prepared data HOT 2
- 数据集处理 HOT 1
- how reproduce the files .csv to train the model HOT 1
- 关于测试数据 HOT 3
- How to place the dataset HOT 1
- 请教 HOT 7
- 训练数据咨询 HOT 1
- 關於百度雲盤 HOT 1
- predict,and get the segmentation result.where the test\image?预测数据请问在哪里呢 HOT 1
- Downloading from pan.baidu HOT 3
- 关于代码中的epoch HOT 1
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from vnet3d.