将yolo用于胸片影像目标检测,数据源于Kaggle:https://www.kaggle.com/c/rsna-pneumonia-detection-challenge/data ,原始数据经过了预处理,dcm格式转为了jpg,并且划分了训练集(21148张)和测试集(5536张),并对原始的csv标签进行了处理,生成了RSNAtrain和RSNAtest两个txt文件。
CUDA10.1、python3.6、pytorch1.1.0、GPU:2080Ti*1
需要的库
- opencv
- visdom
- tqdm
1.建议运行先启动visdom:
python3 -m visdom.server
2.下载处理好的数据集和对于的txt文件,放在当前目录下:链接:https://pan.baidu.com/s/1TQpavAV7stX5VVywK-lq_g 提取码:qpxg
3.python3 train.py
在训练时会在当前路径创建一个log日志,最后会生成两个pth,一个是loss最小的best.pth,一个是最终的yolo.pth
1.如果没有进行过前面的train,请下载已经训练好的模型,放在当前目录下:链接:https://pan.baidu.com/s/1TQpavAV7stX5VVywK-lq_g 提取码:qpxg
2.python3 eval_voc.py
1.如果没有进行过前面的train,请下载已经训练好的模型,放在当前目录下:链接:https://pan.baidu.com/s/1TQpavAV7stX5VVywK-lq_g 提取码:qpxg
2.python3 predict.py
会在predict_img文件夹输出预测结果