【纯小白论文代码带读】医学图像分割MASDF-Net（问题产生及解决）

news2024/9/20 0:20:55

论文链接：https://www.semanticscholar.org/paper/MASDF-Net%3A-A-Multi-Attention-Codec-Network-with-and-Fu-Deng/6ab609eb93dfd12596032174ca9603712f5c050a

代码链接：https://github.com/Rayicer/TransFuse

初见面代码：

Q：这几个数据集分别是干嘛的？GroundTruth的数据集是干嘛的？训练集，验证集，测试集区别是什么，分别是干什么的？

A：这几个数据集分别是训练集（Training)，验证集（Validation），测试集（Test），

其中训练集是用来训练模型的，

验证集是用于模型选择和超参数调整的数据集，用于研究人员评估模型配置的性能，并选择最佳的模型（参数）。

测试集：是用来最终评估模型性能的数据集。里面的图片具有代表性，独特性，全面，随机的，独立于前两个数据集。

三者可以类比为学生从学习知识到高考。训练集就是做练习题，验证集就是做月考，查漏补缺，测试集就是高考，最终评估。

#训练集-》训练模型（类似做练习题）；验证集-》调整模型，评估性能（类似月考）；测试集-》最终评估模型（类似高考）

三者都有GroundTruth，相当于就是作业的参考答案，用于矫正，评估。

Q：三个都是数据集，那可以调换吗？

A：不可以调换，因为不同的数据集具有不同的特点，就像单元练习题，月考题，高考题能一样吗。

Q：文件夹外的这几个文件分别是干啥的，应该运行那个，怎么运行？

A：第一个process.py是数据（预）处理文件：也就是把图片转化成数据数组，这样计算机才能处理。具体怎么处理可以见代码内容。大致就是：黑白的就是不同像素点，按顺序存储0，1.彩色的就是RGB的三个值（到时候会建立三个通道，不同通道代表不同的颜色值）。

第二个是test_isic.py是测试模型的代码

train_isic.py是训练模型的代码。

---------------------------进入process.py----------------

Q: process.py文件里有个set_size，这是干嘛的，里面的数字各有什么含义？

set_size = [2000, 150, 600]

A：set_size 是一个列表，它指定了每个数据集（训练集、验证集、测试集）中图像的数量。分别代表训练集中的图像数量，验证集中的图像数量，测试集中的图像数量

2000：训练集中的图像数量。
150：验证集中的图像数量。
600：测试集中的图像数量

Q：他这里save_name是干嘛的？

save_name = ['train', 'val', 'test']

A：#预处理后的文件前缀名，后缀名是.npy。相当于就是保存处理后的数据的文件的文件名。

Q：他这个height和witdth又是干什么的欸？

A：height 和 width 变量用于指定处理后图像的尺寸。这些变量定义了图像在预处理步骤中将被调整到的高度和宽度。在深度学习模型中，通常需要固定尺寸的输入图像，因此预处理步骤中常常包括调整图像尺寸的操作。

在 process.py 脚本中，height 和 width 用于 cv2.resize 函数，该函数将加载的每个图像调整到指定的尺寸：

img = cv2.resize(img, (width, height))

确保了所有处理后的图像都有相同的维度，可以被模型正确处理。同样的方法也适用于掩码图像，以确保图像和其对应的掩码在空间尺寸上是匹配的。

Q：这里我怎么知道像素应该是多少呢？换句话说，这个数值可以任意调整吗？有什么影响不？是有一个标准的答案，还是说像参数一样可以随意调的？

A：一般是不能任意调的，一般就根据原图片像素尺寸来，这样避免信息丢失，或过大。不合适的像素尺寸会影响到模型准确率和泛化能力。

Q：

这个像素一般会调不？或者说一般啥情况会调这个，调的话是宽高同倍增减吗？

A：

Q：imgs = np.uint8(np.zeros([length, height, width, 3]))这一句是在干什么，什么意思？

A：这里是初始化矩阵，创建个0矩阵，这里的3表示就是三个通道。

np.zeros([length, height, width, 3]) 创建了一个形状为 [length, height, width, 3] 的数组，其中 length 是图像数量，height 和 width 分别是图像的高度和宽度，3 表示图像的通道数（对于彩色图像，通常是3个通道：红色、绿色和蓝色）。