关于CREMI数据输入预处理

VinyehShaw commented 11 months ago

作者大大，数据处理readme中没写的很详细我想确认下我想的是否正确 1.对于CREMI数据，是不是原始尺寸12501250，滑动窗口切成 256256，然后online_aug.py改成128128，然后小波变换分成LH两个64128size大小的输入吗 2.CREMI数据的掩码处理用的也是res_image_mask.py吗

Yanfeng-Zhou commented 11 months ago

正确顺序应该是这样的：（1）滑窗裁剪至256256（同时掩码也需要一摸一样的操作），（2）小波变换得到128128的L和H（掩码也可以resize一份128128的，但不强求，因为后面训练的时候online_aug.py会将mask和image的size调整到一致），（3）训练模型（训练尺寸根据online_aug.py里的参数来确定，我在论文中用的是128128） res_image_mask.py是给conresnet生成掩码用的，至于conresnet为什么需要这种掩码请看它的原论文

VinyehShaw commented 11 months ago

作者大大你好，请教下为什么xnet在训练输入时L和H在经过branch1和2时的通道数为何定义不同一个是3一个是1，定位到xnet.py 132和170行。

self.b1_1_1 = nn.Sequential(
            conv3x3(in_channels, l1c),
            conv3x3(l1c, l1c),
            BasicBlock(l1c, l1c)
        )

self.b2_1_1 = nn.Sequential(
            conv3x3(1, l1c),
            conv3x3(l1c, l1c),
            BasicBlock(l1c, l1c)
        )

我不知道我数据处理的对不对，在train_sup_Xnet.py中我的两个输入和mask大小分别为 2,3,128,128 、2,3,128,128、 2,128,128、我理解的经过小波变换后L和H通道数是一样的，是不是我理解错了

 for i, data in enumerate(dataloaders['train']):

            inputs_train_1 = Variable(data['image'].cuda()) #2,3,128,128
            inputs_train_2 = Variable(data['image_2'].cuda())#2,3,128,128 
            mask_train = Variable(data['mask'].cuda())#2,128,128

            optimizer.zero_grad()
            outputs_train1, outputs_train2 = model(inputs_train_1, inputs_train_2)#通道数不对了
            torch.cuda.empty_cache()

希望指教感谢

Yanfeng-Zhou commented 11 months ago

我在写XNet的架构的时候，是在其它基线模型之后，所以习惯性的写了in_channels这个参数，并且把in_channels的默认值习惯性设置为3，在config/dataset_config.py中配置的数据集IN_CHANNELS也是基于数据集原始图像的通道数而确定，这是方便其它基线模型的使用。这不是什么大问题，你在使用的时候注意自己结合数据集的情况调整in_channels就行。另外，对于原始数据是RGB三通道的图像来说，其实小波变换的方式非常灵活。你可以先将RGB三通道转换成灰度图在进行小波变换得到L和H，这样L和H就是单通道的，训练输入就是[2,1,128,128]。你也可以分别对R、G、B三个通道各自进行小波变换得到各个通道对应的L和H，在concatenate起来，这样训练输入就是三通道的[2,3,128,128]。第二种方法的性能会稍微好一丁点，但说实话这对性能的差异影响不大。

HsiangHui-Zee commented 10 months ago

正确顺序应该是这样的：（1）滑窗裁剪至256256（同时掩码也需要一摸一样的操作），（2）小波变换得到128128的L和H（掩码也可以resize一份128128的，但不强求，因为后面训练的时候online_aug.py会将mask和image的size调整到一致），（3）训练模型（训练尺寸根据online_aug.py里的参数来确定，我在论文中用的是128128） res_image_mask.py是给conresnet生成掩码用的，至于conresnet为什么需要这种掩码请看它的原论文

作者大大您好，这里如何是从原始的cremi数据集(hdf)当中得到对应的掩码的呢，也就是如何获得不同神经元的区域，请您不吝赐教，万分感谢！

yangz9527 commented 5 months ago

作者大大，数据处理readme中没写的很详细我想确认下我想的是否正确 1.对于CREMI数据，是不是原始尺寸12501250，滑动窗口切成 256256，然后online_aug.py改成128128，然后小波变换分成LH两个64128size大小的输入吗 2.CREMI数据的掩码处理用的也是res_image_mask.py吗

您好我想问问您是怎么处理数据集的HDF文件并对他进行预处理的如果可以的话不知您是否可以提供一下关于CREMI数据预处理的代码

indifferenttan commented 5 months ago

作者大大，数据处理readme中没写的很详细我想确认下我想的是否正确 1.对于CREMI数据，是不是原始尺寸12501250，滑动窗口切成 256256，然后online_aug.py改成128128，然后小波变换分成LH两个64128大小的输入吗 2.CREMI数据的掩码处理用的也是res_image_mask.py吗

您好我想问问您是怎么处理数据集的HDF文件并对他进行预处理的如果可以的话，不知您是否可以提供一下关于CREMI数据预处理的代码

同问，请问能提供相应代码吗？

HsiangHui-Zee commented 5 months ago

作者大大，数据处理readme中没写的很详细我想确认下我想的是否正确 1.对于CREMI数据，是不是原始尺寸12501250，滑动窗口切成 256256，然后online_aug.py改成128128，然后小波变换分成LH两个64128size大小的输入吗 2.CREMI数据的掩码处理用的也是res_image_mask.py吗

您好我想问问您是怎么处理数据集的HDF文件并对他进行预处理的如果可以的话不知您是否可以提供一下关于CREMI数据预处理的代码

这个我后来找到的一份代码倒是，有需要的可以联系我

simzhangbest commented 3 weeks ago

作者大大，数据处理readme中没写的很详细我想确认下我想的是否正确 1.对于CREMI数据，是不是原始尺寸12501250，滑动窗口切成 256256，然后online_aug.py改成128128，然后小波变换分成LH两个64128size大小的输入吗 2.CREMI数据的掩码处理用的也是res_image_mask.py吗

您好我想问问您是怎么处理数据集的HDF文件并对他进行预处理的如果可以的话不知您是否可以提供一下关于CREMI数据预处理的代码

这个我后来找到的一份代码倒是，有需要的可以联系我

您好，请问如何联系你，获取一份数据预处理的代码，谢谢

Yanfeng-Zhou / XNet

关于CREMI数据输入预处理 #7