[App4AI] UNet

[簡介]

 

inference.png

 

使用 UNet 進行影像分割,如上圖,可以應用於醫療影像切割,此範例為胸腔 CT 影像切割。

 

 

[操作步驟及說明]

 

使用 UNet 進行訓練或物件分割之前,請先確認 dataset 資料夾是否選擇正確。

 

“Select Dataset” 欄位旁邊的 “browse” 按鈕可以開啟 data 的資料夾位置,以利於使用者進行確認、修改。

 

APP UNet 選擇 dataset.png

 

 

準備:

 

1. annotation labelme json:開啟標註網頁進行 UNet 影像標註。

 

APP UNet 前置處理.png

 

APP UNet 開啟標註網頁.png

 

2. labelme json to dataset:轉換標記檔,產生訓練所需檔案。

轉換的檔案會放在 dataset 資料夾與 gt 資料夾中。

 

APP UNet 轉換標記檔.png

 

APP UNet 產生 dataset.png

 

3. delete log:刪除 logs 資料夾。

按下 3. delete log 後,會刪除在 dataset 裡面的 logs 資料夾。

 

APP UNet 刪除 log 資料夾.png

 

訓練:

 

訓練前確定選選擇的 dataset 中 image/train 資料夾內有這四個資料夾,且裡面皆有檔案,接著按下4. train便可開始訓練。

dataset:由運行 2. labelme json to dataset 產生。

gt:由運行 2. labelme json to dataset 產生。

img:要訓練的圖片。

label:由 1.annotation labelme json 標記要訓練的圖片標記檔。

 

APP UNet dataset 位置.png

 

APP UNet train.png

 

推論:

 

推論有以下幾種方式:

5.inference (GPU):推論單張影像。

6.inference folder (GPU):推論選擇的資料夾影像。

7.inference api (GPU):使用網頁進行影像推論。按下 “7.inference api (GPU)” 按鈕後,再按下 “8.inference api browser” 按鈕來開啟網頁。

 

APP UNet inference.png

 

推論單張影像。

 

APP UNet inference 單張.png

 

推論選擇的資料夾。

 

APP UNet inference 資料夾.png

 

推論資料夾的結果圖位置。

 

APP UNet inference 資料夾 2.png

 

使用網頁進行影像推論。

 

APP UNet inference api.png

 

 

 

[軟體下載]

 

https://d.leaderg.com/UNet/download

 

 

[ 軟體試用 ]

 

下載軟體後,請用7zip解壓縮,輸入「TRY30」試用授權碼,每台電腦可以試用30天。

 

 

購買方式

歡迎聯絡我們,我們會依據您的需求,協助您購買適合的人工智能軟體、電腦、機器人、及其他解決方案。
客服信箱: leaderg@leaderg.com
客服電話: 02-2784-9788

標籤:

延伸閱讀

1.
立軟 App4AI 人工智能應用軟體 (App for AI, 不用寫程式, 視窗操作介面, 易學易用, 無經驗可, AI Model Zoo, Deep Learning, 深度學習, Machine Learning, 機器學習)

2.
立軟 AI Zoo 人工智能演算法軟體 (整理及優化190種範例程式碼, 節省90%的開發時間, 10倍速快速開發 AI 程式, Jupyter Lab 操作介面, Code for AI, Code4AI, Less Coding, AI Model Zoo, 深度學習, 機器學習, Big Data, 大數據)

3.
立軟 ACE-22 中階人工智能工作站 (RTX-A6000-48G, RTX-A5000-24G, RTX-A4000-16G, RTX-3090-24G, AMD Ryzen 9, Intel Core i9, GPU 電腦, computer, workstation, deep learning, 深度學習)

4.
立軟 ACE-36-M 高階軍規人工智能筆記型電腦 (NVIDIA Quadro RTX-5000-16G, Intel Core i9, 軍規認證, MIL-STD 810G, MSI WS75 10TM-428TW, GPU notebook, 筆電, deep learning, 深度學習, 機器學習)

感謝客戶們的支持

臺灣大學、清華大學、陽明交通大學、成功大學、臺北醫學大學、臺北護理健康大學、中興大學、暨南大學、宜蘭大學、聯合大學、淡江大學、逢甲大學、長庚大學、義守大學、實踐大學、臺科大、北科大、臺中科大、雲林科大、勤益科大、虎尾科大、屏東科大、高雄科大、朝陽科大、明志科大、南臺科大、亞東科大、中國科大、國防大學、海軍軍官學校、陸軍專科學校、鼓山高中、臺大醫院、榮民總醫院、長庚醫院、慈濟醫院、義大醫院、中山科學研究院、國防部軍備局、法務部調查局、工研院、資策會、原子能委員會核能研究所、農業委員會特有生物研究保育中心、勞動部勞動研究所、紡織研究所、金屬工業研究發展中心、台灣儀器科技研究中心、車輛測試中心、台灣自來水公司、台積電、聯電、南亞科、華邦電子、精材科技、華信光電、友達光電、群創光電、瀚宇彩晶、台塑、台塑網、南亞塑膠、台灣化學纖維、中國石油、羅技電子、義隆電子、隆達電子、達方電子、鴻海、大聯大 - 世平興業、盟立自動化、迅得機械、南茂科技、順達科技、致伸科技、英特盛、豐興鋼鐵、中宇環保工程、竹陞科技、研揚科技、敦陽科技、竑騰科技、先豐通訊、神達電腦、神通電腦、百佳泰、科音國際、峰安車業、鴻鵠國際、藍海智能等。