文件名称：FaultNet:使用3D-UNets进行故障挑选
文件大小：27KB
文件格式：ZIP
更新时间：2024-05-24 13:01:12
Python
使用3D-Unets进行故障识别 元概述 各种3d-unets的PyTorch实现用于故障识别。 我们使用存储库来获取训练数据（200张图像和大小为128x128x128的标签）。 我们预留了20张图像作为保留测试集，以进行准确度基准测试。 这些是Wu原始实现的验证集中的20张图像，但我们现在将它们保留为看不见的测试集。 报告带有IOU的模型是： VNet原创 VNet自定义修改 UNet-Res1 UNet-Res2 UNet-DS 此仓库中已发布代码的当前最佳模型是（UNet-Res1），它在测试集的iou方面显着优于原始Wu模型和两个VNet。 UNet-Res2模型尚未发布。 还演示了一些训练技巧，在这种情况下，这是一个简单的知识提炼方案。 新增：经常性，注意性 知识蒸馏（KD） 通过trainKD.py支持知识提炼。 使用KD可以观察到明显的隆起（请参阅清单），但要额
【文件预览】：
FaultNet-master
----train.py(7KB)
----utils()
--------loss.py(3KB)
--------__init__.py(0B)
----models()
--------networks_other.py(6KB)
--------vnet_modified.py(7KB)
--------load_models.py(1KB)
--------__init__.py(0B)
--------vnet.py(7KB)
--------unet_3D_DS.py(8KB)
--------unet_3D_Res1.py(7KB)
----trainKD.py(9KB)
----scripts()
--------run_predict.sh(728B)
--------run_train_KD.py(755B)
--------run_train.sh(677B)
----requirements.txt(113B)
----predict.py(5KB)
----README.md(7KB)
----zoo()
--------README.md(318B)
----data()
--------README.md(294B)
----predict_dat.py(6KB)
----loaders()
--------dataloader.py(1KB)
--------__init__.py(0B)
--------fault_dataset.py(2KB)