Closed amateurj1 closed 6 months ago
你好,为了可复现性,我没有用target_test_npy进行最终测试,而是用最后一个epoch上的checkpoint,在原图上进行测试,相关测试代码和训练好的checkpoints: https://pan.baidu.com/s/1wXDjC_zJ3B7G3buhAXgVJg?pwd=19i0
原始数据集(以防需要): https://pan.baidu.com/s/14b-ARlbZ7hnG6aO-fil9AA?pwd=picg
作者,您好!您的文章思路独特,我使用您的代码和公开的数据https://drive.google.com/file/d/1s3IYf69P1WJBBH5YTFSXwoi7LT9gQUS3/view进行了分割实验,发现指标与您论文中的数据有所差距,特此来请教您!
实验环境为: 1.3090 24G 2.python==3.7.13 3.torch==1.8.0+cu111
实验一:我利用您上面谷歌网盘的数据(腹腔多器官)直接进行第二阶段的分割训练,以下是我的修改过的参数设置。 parser.add_argument('--train_dataroot', type=str, default='datasets/source2target_training_npy_multi_style') parser.add_argument('--val_dataroot', type=str, default='datasets/target_test_npy') parser.add_argument('--num_classes', type=int, default=5) 其他参数按照您的默认参数,并且和您论文里的参数进行了对照,是一致的。其中,source2target_training_npy_multi_style和target_test_npy是您提供的数据。我运行了stage_2_seg_train.py进行训练,发现dice和您论文中的91.25有较大的差距。 以下是训练过程中一些loss和dice score的曲线。
实验二:我下载了您提供的风格迁移权重enc_0040.pt,利用stage_1.5_i2i_inference.py进行source向target的风格迁移后再进行第二阶段的分割训练,发现dice差距就更大了。
寻求作者大大的帮助,十分感谢!