Rrwnet Rite

🚀 RRWNet RITE

本项目包含在RITE数据集上训练的RRWNet模型的官方权重。该模型来自论文"RRWNet: Recursive Refinement Network for Effective Retinal Artery/Vein Segmentation and Classification"，由José Morano、Guilherme Aresta和Hrvoje Bogunović撰写，并发表于《Expert Systems with Applications》（2024年）。

[arXiv] ESWA] [GitHub] [BibTeX]

✨ 主要特性

• 适用于视网膜动脉/静脉分割和分类任务。
• 提供在不同数据集上训练的模型权重。

📦 安装指南

本模型可使用huggingface_hub包中的PyTorchModelHubMixin以及我们仓库（https://github.com/j-morano/rrwnet）中model.py文件里的代码进行加载，model.py文件可从这里下载。

💻 使用示例

基础用法

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")

📚 详细文档

RRWNet模型

请注意，在使用权重进行预测时，训练所用图像的大小很重要。

预处理

模型使用增强后的图像和掩码进行训练。你可以使用仓库中的preprocessing.py脚本对图像进行离线预处理。该脚本会增强图像和掩码并将其保存到指定目录。

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码、权重、预处理数据或预测结果，我们非常感谢你给仓库点个星并引用我们的工作：

@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}
}

📄 许可证

本项目采用CC BY-NC 4.0许可证。