缺陷检测网络--混合监督（kolektor缺陷数据集复现）

要求：
Python 3.8
PyTorch 1.6, 1.8
CUDA 10.0, 10.1
数据集：
KolektorSDD ，[点此下载]
在colab上运行示例：
先将git上源码克隆过来

!git clone https://github.com/vicoslab/mixed-segdec-net-comind2021

然后下载KSDD数据集

% cd /content/mixed-segdec-net-comind2021
% cd /content/mixed-segdec-net-comind2021/datasets/KSDD
!python download_and_extract.py

然后训练/评估模型：
train_net.py是培训和评估的主要入口
models.py是网络模型文件
data/dataset_catalog.py是包含当前支持的数据集

python -u train_net.py  \
    --GPU=0 \
    --DATASET=KSDD \
    --RUN_NAME=RUN_NAME \
    --DATASET_PATH=/path/to/dataset \
    --RESULTS_PATH=/path/to/save/results \
    --SAVE_IMAGES=True \
    --DILATE=7 \
    --EPOCHS=50 \
    --LEARNING_RATE=1.0 \
    --DELTA_CLS_LOSS=0.01 \
    --BATCH_SIZE=1 \
    --WEIGHTED_SEG_LOSS=True \
    --WEIGHTED_SEG_LOSS_P=2 \
    --WEIGHTED_SEG_LOSS_MAX=1 \
    --DYN_BALANCED_LOSS=True \
    --GRADIENT_ADJUSTMENT=True \
    --FREQUENCY_SAMPLING=True \
    --TRAIN_NUM=33 \
    --NUM_SEGMENTED=33 \
    --FOLD=0

详细情况如下图：

（设置自己保存的路径以及训练的参数）
训练好之后，结果保存在results中，KSDD需要结合所有三个方面的评估结果，使用join_folds_results.py：
python -u join_folds_results.py
–RUN_NAME=SAMPLE_RUN
–RESULTS_PATH=/path/to/save/results
–DATASET=KSDD
（注意自己保存到路径以及数据集所在的路径）

上图就是评估结果，也可以用read_results.py下载数据集生成所有运行的结果表。