眼底视盘分割——segtran

点击去Github ->>> 使用挤压和扩展转换器的医学图像分割

参数配置

• –task 分割任务的名称
• –ds 数据文件夹。可以指定多个数据集(以“，”分隔)
• –split 数据集的分割(可以为每个数据集单独指定分割)
• –profile 计算参数和 FLOPs 的数量。
• –insize 使用这个尺寸的图像(在所有裁剪尺寸中)进行训练。设置为0以使用所有大小。
• –patch 为训练调整输入图像的大小。
• –samplenum 用于每个数据集的监督训练样本数量(默认:无，使用每个数据集的所有图像)。为数据集提供0以使用它的所有图像。不要使用-1，因为它会导致argparse错误。
• –bnopt 如何在训练期间优化 BN 统计/仿射参数。
• –polyformer 进行 polyformer 训练。
• –sourceopt 在源域上优化哪些参数。
• –targetopt 在目标域上优化哪些参数。
• –adv 对抗性训练模式。
• –featdisinchan 特征鉴别器的输入通道数
• –sourceds 源域的数据集名称。
• –sourcebs 源域上无监督对抗学习的批处理大小(访问所有源域图像)。
• –targetbs 目标域上无监督对抗学习的批处理大小(访问所有目标域图像)。
• –domweight 对抗性域损失的权重。
• –supweight 监督训练损失的权重。设置为0表示进行无监督DA。
• –reconweight DA重建损失的权重。默认值:0，不重构。
• –adda 使用ADDA(而不是默认的RevGrad目标)。
• –optfilter 只优化与指定关键字匹配的参数。
• –robustaug 鲁棒性训练期间使用的增强类型。
• –robustaugdeg 鲁棒性增强程度(1或2个数字)。
• –gbias 使用全局偏置而不是变压器层。
• –maxiter 最大训练迭代次数
• –saveiter 每N次迭代保存模型快照
• –cp 加载这个检查点
• –lrwarmup LR预热步骤数
• –bs 所有gpu上的总batch_size
• –opt 优化算法
• –lr 学习速率
• –decay 权重更新
• –gradclip 梯度夹
• –attnclip 隔离tran注意力剪辑
• –local_rank
• –locprob 在训练中进行定位的概率
• –tunebn 仅调整批规范进行域适应，保持模型权重不变。
• –diceweight 骰子损失的权重。
• –focus 特别预测的类别(具有更高的损失重量)
• –exclusive 旨在预测排他性掩码(而不是非排他性掩码)
• –vcdr 眼底图像的学习式vCDR损失方案。none:不使用vCDR丢失。对偶:用单独的vC估计量和vD估计量估计vCDR。single:使用单个CNN直接估计vCDR。
• –vcdrweight vCDR丢失权重。
• –vcdrestimstart 开始对vCDR估计器的vCDR损耗进行迭代。
• –vcdrnetstart 开始分割模型的vCDR损耗迭代。