关于结果

[XiaoYangon]

就是我下载你的代码和数据集,没有改动任何地方，训练准确率仅达到88%左右，然后跑的测试程序，预测结果没有出来与(VesselNet)/test/result一样的效果，可以说非常差，大神能看看是什么问题吗

[DeepTrial]

最近，我更新过代码，您使用的是最新版吗？

[XiaoYangon]

我是这周下载的,觉得您做的效果很好，想学习一下来着，所以就下载了下来，没有改动任何地方，按照您的步骤介绍的顺序跑的。。。。。。，结果出现了现在的实验结果

[DeepTrial]

您使用的是训练好的权重测试的，还是重新训练的？

[DeepTrial]

之前也有人提到过 训练后的结果不好，建议检查data_loader模块，眼底图片与血管groundtruth是否正确对应。

[XiaoYangon]

我是从头训练的，先执行main_train.py

[XiaoYangon]

图像的话是VesselNet这个文件下的dataset数据集

[DeepTrial]

建议检查standard_loader.py 考虑以下修改方法

如果不加上红色这段代码，就不能保证，读取origin image的顺序和groundtruth的顺序， 比如orgList里面的第一个文件是01_test.tif，而gtList里面的第一个文件是08_test.tif， 这样会导致原图片不能对应正确的groundtruth

[XiaoYangon]

谢谢你，结果出来了96%的训练准确率和95%的验证准确率，但是metric的代码有错误，AUC和ROC那个曲线图明显不对，值是0.6125。。。。

[DeepTrial]

metric模块可能也是这上面的原因：gt与原图的对应顺序有误。这个bug我会尽快修复，最近一阶段比较忙。。。见谅

[XiaoYangon]

好的，我去捋一遍，如若好了告诉你

[XiaoYangon]

好的，请问大神是专门做这个的吗

在 2018-08-14 13:40:28，"Xing ChenCong" notifications@github.com 写道：

metric模块可能也是这上面的原因：gt与原图的对应顺序有误。这个bug我会尽快修复，最近一阶段比较忙。。。见谅

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or mute the thread.

[DeepTrial]

我本科阶段是做这个，研究生的方向还没确定，可能业余时间还会继续跟进吧

[XiaoYangon]

那个metric确实是你说的那个原因，我跑出了AUC=0.985 不知道能不能向你咨询一个问题？就是我用Unet网络想实现一个乳腺肿块的分割问题，是图片分辨率太高5k2K这种的，并且还都不一样大小，所以做了一下resize(512512)的，在keras上训练的时候每一个epoc的loss和acc，以及val-loss和val-acc的值都特别理想, 但是每一个epoc的结果都差不多一样，测试的时候使用训练集图像来测试, 分割不出来？？谢谢大神了

[DeepTrial]

当图像分辨率缩小后势必会造成一些信息损失，需要平衡目标面积及尺度在缩放前和缩放后大小。另一个问题是训练时是否对输入图片归一化（就是将图像像素值控制在0-1之间），测试的时候有没有做相同的归一化操作。我目前能想到的问题就是这2个，祝你早日解决！

[XiaoYangon]

好的，谢谢。

[XiaoYangon]

AUC = np.round(np.sum((TPR[1:] + TPR[:-1]) * (FPR[:-1] - FPR[1:])) / 2., 4)这里为什么要这样计算啊

[DeepTrial]

这一步是使用复化梯形法近似的求曲线的定积分值，也就是AUC值，数学原理可以参考数值计算中的复化牛顿-科特斯公式。这里是将TPR作为梯形的低，FPR的差值作为高。

[XiaoYangon]

大神，你用用sklearn中的函数计算过吗？计算出来的值有区别吗？我看你说的那个orobix的代码中调用的sklearn函数

在 2018-08-28 16:59:11，"Xing ChenCong" notifications@github.com 写道：

这一步是使用复化梯形法近似的求曲线的定积分值，也就是AUC值，数学原理可以参考数值计算中的复化牛顿-科特斯公式。这里是将TPR作为梯形的低，FPR的差值作为高。

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or mute the thread.

[DeepTrial]

这个我对比过，差别值很小，我自己写只要是方便后续自己调试，你也可以直接使用sklearn的方法

[XiaoYangon]

好的，我知道了，谢谢你啊，看你的代码学了不少东西

在 2018-08-29 10:35:51，"Xing ChenCong" notifications@github.com 写道：

这个我对比过，差别值很小，我自己写只要是方便后续自己调试，你也可以直接使用sklearn的方法

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or mute the thread.

[DeepTrial]

不客气：）