Rrwnet Rite

🚀 RRWNet RITE

このリポジトリには、RITEデータセットで訓練されたRRWNetモデルの公式ウェイトが含まれています。このモデルは、José Morano、Guilherme Aresta、Hrvoje Bogunovićによる論文 "RRWNet: Recursive Refinement Network for Effective Retinal Artery/Vein Segmentation and Classification" で提案され、Expert Systems with Applications (2024) に掲載されました。

[arXiv] [ESWA] [GitHub] [BibTeX]

✨ 主な機能

RRWNetモデル

予測にウェイトを使用する際には、訓練に使用された画像のサイズが重要です。

🚀 クイックスタート

モデルの読み込み

このモデルは、huggingface_hubパッケージのPyTorchModelHubMixinと、リポジトリのmodel.pyファイル (https://github.com/j-morano/rrwnet) のコードを使用して読み込むことができます。model.pyファイルは ここ からダウンロードできます。

from huggingface_hub import PyTorchModelHubMixin
from model import RRWNet as RRWNetModel


class RRWNet(RRWNetModel, PyTorchModelHubMixin):
    def __init__(self, input_ch=3, output_ch=3, base_ch=64, iterations=5):
        super().__init__(input_ch, output_ch, base_ch, iterations)


model = RRWNet.from_pretrained("j-morano/rrwnet-rite")

前処理

モデルは強化された画像とマスクを使用して訓練されています。リポジトリのpreprocessing.pyスクリプトを使用して、画像をオフラインで前処理することができます。このスクリプトは、画像とマスクを強化し、指定されたディレクトリに保存します。

python3 preprocessing.py --images-path data/images/ --masks-path data/masks/ --save-path data/enhanced

📄 ライセンス

このモデルはCC BY-NC 4.0ライセンスの下で提供されています。

📚 ドキュメント

引用

あなたの研究でこのコード、ウェイト、前処理されたデータ、または予測を使用する場合は、リポジトリにスターを付け、以下のように引用していただけると幸いです。

@article{morano2024rrwnet,
    title={RRWNet: Recursive Refinement Network for Effective Retinal Artery/Vein Segmentation and Classification},
    author={Morano, Jos{\'e} and Aresta, Guilherme and Bogunovi{\'c}, Hrvoje},
    journal={Expert Systems with Applications},
    year={2024},
    doi={10.1016/j.eswa.2024.124970}
}