11.03

​​1. 数据集介绍 (DSB2018)​​

​​数据内容​​: DSB2018是一个开源的医学图像数据集，专门用于细胞分割任务，包含670张显微镜下拍摄的照片，并辅以相应的标注文件。
​​数据构成​​: 该数据集采用“一张图，一幅标签”的模式。图像作为输入特征，而标签作为分割结果，是一个与图像尺寸相同的二值矩阵（黑/白，即0/1），用于指示每个像素点属于细胞还是背景。

​​2. 数据预处理流程​​

​​应用工具​​: 讲解了利用OpenCV和PyTorch中的transforms模块进行数据处理的技术方案。
​​数据增广 

在训练集中应用了系列操作以增加数据多样性，包括：水平翻转、垂直翻转、色调和饱和度调整、随机亮度甚至对比度调整。
在验证集上则省略了部分激进的增强方法，主要目的是保持数据一致性以评估模型性能。

​​数据转换与标准化​​:

​​通道转换​​: OpenCV加载图像为BGR格式，需转换为模型使用的RGB格式。
​​像素值归一化​​: 将像素值从0-255区间缩放到0-1区间，以进行标准化处理，便于神经网络的训练。

​​3. 模型训练核心环节​​

​​超参数配置​​: 介绍了将所有超参数（如学习率、批量大小等）封装在一个独立的函数内部进行管理的方式。此设计使得后续调整和调试更加方便，增强了代码的可维护性和复用性。
​​模型架构​​: 展示了一个基于VGG的轻量化网络模型，其结构包含多个卷积层和上采样层，旨在返回与输入图像相同分辨率的分割结果。
​​训练与验证​​:

使用日志记录器来监控训练过程的关键指标，如迭代次数、损失函数值和IOU（交并比）值。
训练好的模型会保存为.pth或.pt格式的文件，以便后续使用和评估。