Rrwnet Rite

🚀 RRWNet RITE

本項目包含在RITE數據集上訓練的RRWNet模型的官方權重。該模型來自論文"RRWNet: Recursive Refinement Network for Effective Retinal Artery/Vein Segmentation and Classification"，由José Morano、Guilherme Aresta和Hrvoje Bogunović撰寫，並發表於《Expert Systems with Applications》（2024年）。

[arXiv] ESWA] [GitHub] [BibTeX]

✨ 主要特性

• 適用於視網膜動脈/靜脈分割和分類任務。
• 提供在不同數據集上訓練的模型權重。

📦 安裝指南

本模型可使用huggingface_hub包中的PyTorchModelHubMixin以及我們倉庫（https://github.com/j-morano/rrwnet）中model.py文件裡的代碼進行加載，model.py文件可從這裡下載。

💻 使用示例

基礎用法

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")

📚 詳細文檔

RRWNet模型

請注意，在使用權重進行預測時，訓練所用圖像的大小很重要。

預處理

模型使用增強後的圖像和掩碼進行訓練。你可以使用倉庫中的preprocessing.py腳本對圖像進行離線預處理。該腳本會增強圖像和掩碼並將其保存到指定目錄。

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

引用

如果你在研究中使用了此代碼、權重、預處理數據或預測結果，我們非常感謝你給倉庫點個星並引用我們的工作：

@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}
}

📄 許可證

本項目採用CC BY-NC 4.0許可證。