Probabilistic-U-Net-Evaluation-Wue_Lab

Dies ist das ergänzende Repository zur Seminararbeit "Bayesian Deep Learning-Methoden für Semantic Segmentation bei biomedizinischen Anwendungen" am Lehrstuhl von Prof. Dr. Christoph Flath, Julius-Maximilians-Universität Würzburg.

Zur Reproduktion der Ergebnisse wird die Verwendung von Google Drive zum Entpacken und Speichern der Daten sowie Google Colaboratory für die Ausführung des Codes empfohlen.

Quick Start

• Lege in der Google Drive ein Google Colaboratory-Notebook an (Neu --> Mehr --> Google Colaboratory)

• Verbinde Notebook mit Google Drive:

from google.colab import drive
drive.mount('/content/drive')

• Wechsle Verzeichnis zu Google Drive:

cd 'drive/My Drive'

• Kopiere GitHub-Repository in Google Drive:

! git clone https://github.com/FelixBey/Probabilistic-U-Net-Evaluation-Wue_Lab.git

Nach dem Ausführen dieser Schritte sollten die Notebooks mit Daten im Zielordner 'Probabilistic-U-Net-Evaluation-Wue_Lab' abliegen.

Lade im nächsten Schritt die vortrainierten Gewichte für die Evaluation herunter.

Lade die vortrainierten Gewichte in den Google Drive-Ordner 'Probabilistic-U-Net-Evaluation-Wue_Lab-->model-->pretrained_weights'. Falls der Ordner 'pretrained_weights' noch nicht existiert, erstelle ihn zuerst.

Die Evaluationen der Arbeit können nun repliziert werden:

• Führe zuerst das Notebook für das Erstellen der Samples und qualitativen Evaluationen aus aus
• Anschließend kann auch das Notebook für das Erstellen der quantitativen Evaluationen ausgeführt werden

Scans, Expertenmasken, Samples und Plots befinden sich nach dem Ausführen der Notebooks im Ordner 'wue_lab_eval_output_dir'.