search

Yanfeng-Zhou / XNet

[ICCV2023] XNet: Wavelet-Based Low and High Frequency Merging Networks for Semi- and Supervised Semantic Segmentation of Biomedical Images
MIT License
184 stars 8 forks source link

About data preprocess and final predict #11

Open Jonydom opened 10 months ago

Jonydom commented 10 months ago

你好，作者大大！看完你们的工作，我大受启发。但我有几个疑惑的小问题。 第一个问题是我看到您在处理数据的时候使用的是离线的方式，为什么小波变换不做成在线的数据增强呢？是io方面的顾虑嘛？ 第二个问题是normalization的时候，针对每个数据集都有一个不同的mean和std，我想请问一下这个数值的计算方式是怎么做的呢？如果只用自然图像ImageNet的mean和std会有很大影响嘛？ 第三个问题是如果我使用这个模型去做测试的话，既然是离线的方式把数据转换为小波变换后的图像，那我要在把RGB原始图像送入模型之前还要多一步离线处理嘛？ 期待您的答复，祝您科研顺利！

Yanfeng-Zhou commented 10 months ago

1.将小波变换做成在线方式是一种更好的处理方式，我已经优化了这方面的代码并且会在XNet v2中发出（如果幸运的话，它很快会与大家见面）！ 2.mean和std就是计算这个数据集的所有训练数据的每个通道像素值的均值和方差，如果使用ImageNet的mean和std对性能不会有较大影响（我测试过）。只不过为了实验和论文的严谨性，我使用了每个数据集自己的mean和std。 3.你需要先生成低频和高频图像，这是额外的一步预处理操作！

Jonydom commented 10 months ago

1.将小波变换做成在线方式是一种更好的处理方式，我已经优化了这方面的代码并且会在XNet v2中发出（如果幸运的话，它很快会与大家见面）！ 2.mean和std就是计算这个数据集的所有训练数据的每个通道像素值的均值和方差，如果使用ImageNet的mean和std对性能不会有较大影响（我测试过）。只不过为了实验和论文的严谨性，我使用了每个数据集自己的mean和std。 3.你需要先生成低频和高频图像，这是额外的一步预处理操作！

好的，感谢您的耐心解答~

Yanfeng-Zhou commented 1 month ago

1.将小波变换做成在线方式是一种更好的处理方式，我已经优化了这方面的代码并且会在XNet v2中发出（如果幸运的话，它很快会与大家见面）！ 2.mean和std就是计算这个数据集的所有训练数据的每个通道像素值的均值和方差，如果使用ImageNet的mean和std对性能不会有较大影响（我测试过）。只不过为了实验和论文的严谨性，我使用了每个数据集自己的mean和std。 3.你需要先生成低频和高频图像，这是额外的一步预处理操作！

好的，感谢您的耐心解答~

我已经发布了XNet v2。在XNet v2中我将小波变换写成了随数据加载同时进行的在线模式，所以以后不在需要额外的离线小波变换操作了。（如果您对XNet v2的优化比较认可的话，不妨点个星，啊哈哈，谢谢！）

Jonydom commented 1 month ago

这是来自QQ邮箱的假期自动回复邮件。   您好，我最近正在休假中，无法亲自回复您的邮件。我将在假期结束后，尽快给您回复。