search

Yaziwel / Region-Attention-Transformer-for-Medical-Image-Restoration

[MICCAI 2024] Region Attention Transformer for Medical Image Restoration.
Apache License 2.0
22 stars 2 forks source link

region partitioning masks获得 #1

Open crcherry opened 3 months ago

crcherry commented 3 months ago

您好，我是刚接触该方向的一名学生，请问region partitioning masks在代码中是怎么得到的呢？我阅读了代码没有理解。

Yaziwel commented 3 months ago

您好，我是刚接触该方向的一名学生，请问region partitioning masks在代码中是怎么得到的呢？我阅读了代码没有理解。

你好，你需要先使用SAM得到masks，然后将masks按照area从大到小排序【masks = sorted(masks, key = itemgetter('area'), reverse = True) 】，最后使用toSegMap这个函数得到indexed_mask，这个indexed_mask就是region partitioning masks

crcherry commented 3 months ago

好的，谢谢，非常感谢您的解答。

HEIXIUUU commented 3 months ago

您好，我是刚接触该方向的一名学生，请问region partitioning masks在代码中是怎么得到的呢？我阅读了代码没有理解。

你好，你需要先使用SAM得到masks，然后将masks按照area从大到小排序【masks = sorted(masks, key = itemgetter('area'), reverse = True) 】，最后使用toSegMap这个函数得到indexed_mask，这个indexed_mask就是region partitioning masks

您好，请问按照readme里面的代码从SAM得到的masks是一个文件夹里面许多图片的形式吗？

Yaziwel commented 3 months ago

您好，我是刚接触该方向的一名学生，请问region partitioning masks在代码中是怎么得到的呢？我阅读了代码没有理解。

你好，你需要先使用SAM得到masks，然后将masks按照area从大到小排序【masks = sorted(masks, key = itemgetter('area'), reverse = True) 】，最后使用toSegMap这个函数得到indexed_mask，这个indexed_mask就是region partitioning masks

您好，请问按照readme里面的代码从SAM得到的masks是一个文件夹里面许多图片的形式吗？

文件夹里面那些图片是masks存储下来了。我们不需要存储这些masks，这些masks还需要经过处理才能得到indexed_mask，从而作为RAT网络的输入

HEIXIUUU commented 3 months ago

您好，我是刚接触该方向的一名学生，请问region partitioning masks在代码中是怎么得到的呢？我阅读了代码没有理解。

你好，你需要先使用SAM得到masks，然后将masks按照area从大到小排序【masks = sorted(masks, key = itemgetter('area'), reverse = True) 】，最后使用toSegMap这个函数得到indexed_mask，这个indexed_mask就是region partitioning masks

您好，请问按照readme里面的代码从SAM得到的masks是一个文件夹里面许多图片的形式吗？

文件夹里面那些图片是masks存储下来了。我们不需要存储这些masks，这些masks还需要经过处理才能得到indexed_mask，从而作为RAT网络的输入

好的，十分感谢您的解答

crcherry commented 2 months ago

请问这个模型是不需要训练，直接测试吗？

Yaziwel commented 2 months ago

你好，SAM是冻结的，不训练

---Original--- From: @.> Sent at: 2024年8月23日(Fri) Evening10:25 To: @.>; Cc: "Zhiwen @.**@.>; Subject: Re: [Yaziwel/Region-Attention-Transformer-for-Medical-Image-Restoration] region partitioning masks获得 (Issue #1)

请问这个模型是不需要训练，直接测试吗？

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>

crcherry commented 2 months ago

可以分享下您的数据吗？这是我的邮箱2229496359@qq.com，如若可以 非常感谢！

crcherry commented 2 months ago

您好，我是刚接触该方向的一名学生，请问region partitioning masks在代码中是怎么得到的呢？我阅读了代码没有理解。

你好，你需要先使用SAM得到masks，然后将masks按照area从大到小排序【masks = sorted(masks, key = itemgetter('area'), reverse = True) 】，最后使用toSegMap这个函数得到indexed_mask，这个indexed_mask就是region partitioning masks

您好，请问按照readme里面的代码从SAM得到的masks是一个文件夹里面许多图片的形式吗？

文件夹里面那些图片是masks存储下来了。我们不需要存储这些masks，这些masks还需要经过处理才能得到indexed_mask，从而作为RAT网络的输入

好的，十分感谢您的解答

同学 请问你复现出来了吗

HEIXIUUU commented 1 month ago

您好，我是刚接触该方向的一名学生，请问region partitioning masks在代码中是怎么得到的呢？我阅读了代码没有理解。

你好，你需要先使用SAM得到masks，然后将masks按照area从大到小排序【masks = sorted(masks, key = itemgetter('area'), reverse = True) 】，最后使用toSegMap这个函数得到indexed_mask，这个indexed_mask就是region partitioning masks

您好，请问按照readme里面的代码从SAM得到的masks是一个文件夹里面许多图片的形式吗？

文件夹里面那些图片是masks存储下来了。我们不需要存储这些masks，这些masks还需要经过处理才能得到indexed_mask，从而作为RAT网络的输入

好的，十分感谢您的解答

同学 请问你复现出来了吗

是的