Commit 0d116006 authored by Tamino Huxohl's avatar Tamino Huxohl
Browse files

continue documentation

parent f93ea60c
......@@ -23,19 +23,41 @@ Unmittelbar im Ordner `stain_detection` befinden sich ein paar Scripte für gene
Mit `stain_detection/train.py` kann ein Modell (weiter-)trainiert werden, mit `stain_detection/compute_sams.py` können Salienzkarten berechnet werden und mit `stain_detection/combine_sams.py` können mehrere Salienzkarten zu einer reduziert werden.
Des weiteren ist das Projekt in mehrere Submodule unterteilt, welche alle durch eigene Ordner in `stain_detection/` definiert sind:
* `dataset` enthält Code um die Daten als Datensätze für das Training vorzubereiten und zu laden.
* `exp` TODO: entfernen?
* `measures` enthält Code um die Ergebnisse über verschiedene Metriken zu evaluieren
* `models` enthält Code zum Nutzen verschiedener neuronaler Netze der Salienzerkennung
* `util` enthält Utility Script TODO: entfernen?
* `vis` enthält Scripte für die Visualisierung
### Dataset
* `split.py` erlaubt es die Splits der Daten anhand des Wäschestücks zu erstellen. Das wird fürs Training benötigt.
* `transorms.py` enthält Transformationen für die Datenaugmentation beim Training.
* `csv` enthält Code um einen Datensatz für das Training zu verwenden. Dafür wird der Ordner mit Daten benötigt sowie eine csv Datei in der Bildausschnitte definiert sind. So eine csv Datei kann mit den Scripten `patch_stain_based.py` und `patch_sliding_window.py` erstellt werden.
* `transforms.py` enthält Transformationen für die Datenaugmentation beim Training.
* `csv.py` enthält Code um einen Datensatz für das Training zu verwenden. Dafür wird der Ordner mit Daten benötigt sowie eine csv Datei in der Bildausschnitte definiert sind. So eine csv Datei kann mit den Scripten `patch_stain_based.py` und `patch_sliding_window.py` erstellt werden.
Der Unterschied zwischen den beiden Methoden für die Erstellung von Bildausschnitten ist, dass `patch_stain_based` Ausschnitte verschiedener Größe um galebelte Flecken erstellt, währnde `patch_sliding_window` Ausschnitte in immer der gleiche Größe erstellt indem ein Fenster über das Ausgangsbild geschoben wird.
### Measures
* `pixel_wise.py`
* `region_wise.py`
* `compute_stats.py`
* `from_stats.py`
* `util.py`
### Models
* `__init__.py` enthält Code zum laden der verschiedenen Modelle
* Die anderen Daten enthalten für die verschiedenen getesteten Modelle den Code, sowie Schritte zum Vorverarbeiten von Bildern und Nachbearbeiten der Outputs.
* Quellen zu den einzelnen Architekturen:
* [BASNet](https://openaccess.thecvf.com/content_CVPR_2019/html/Qin_BASNet_Boundary-Aware_Salient_Object_Detection_CVPR_2019_paper.html)
* [CPD](https://openaccess.thecvf.com/content_CVPR_2019/html/Wu_Cascaded_Partial_Decoder_for_Fast_and_Accurate_Salient_Object_Detection_CVPR_2019_paper.html)
* [LDF](https://openaccess.thecvf.com/content_CVPR_2020/html/Wei_Label_Decoupling_Framework_for_Salient_Object_Detection_CVPR_2020_paper.html)
* [PoolNet](https://openaccess.thecvf.com/content_CVPR_2019/html/Liu_A_Simple_Pooling-Based_Design_for_Real-Time_Salient_Object_Detection_CVPR_2019_paper.html)
* [U2-Net](https://www.sciencedirect.com/science/article/abs/pii/S0031320320302077)
### Vis
* `loss.py`
* `pr_curve.py`
* `rdr_curve.py`
* `side_by_side.py`
## Daten
* Basisgewichte und vor-trainierte Gewichte verschiedener neuronaler Netze: [Weights](https://uni-bielefeld.sciebo.de/s/IuxbWSVzPB6ONWf)
* Erster aufgenommener Datensatz mit einer Beleuchtung und blindem Fleck in der Mitte: [Dataset: Blindspot](https://uni-bielefeld.sciebo.de/s/53eIRuLhx4AjfwI)
......
Supports Markdown
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment