深度学习 Deeplabv3+Resnet101 实战分割项目、多尺度训练、多类别分割：腹部多脏器5类别分割数据集

本项目为 Deeplabv3+Resnet101 多尺度分割实战项目（包含数据集），unet的backbone更换为resnet101 数据集采用腹部多脏器5类别分割数据集 项目介绍：总大小243MB 1.train 脚本会自动训练，代码会自动将数据随机缩放为设定尺寸的0.5-1.5倍之间，实现多尺度训练。为了实现多分割项目，utils中的compute_gray函数会将mask灰度值保存在txt文本，并且自动为UNET网络定义输出的channel 2.项目的预处理函数全部重新实现，可以在transforms.py自行查看。 3.网络训练了100个epochs，miou达到0.86左右，学习率采用cos衰减，训练集和测试集的损失和iou曲线可以在run_results文件内查看，图像由matplotlib库绘制。除此外，还保存了训练日志，最好权重等，在训练日志可以看到每个类别的iou、recall、precision以及全局像素点的准确率等等 4.预测脚本可以自动推理inference下所有图片 代码做了注释，自行下载查看，想要训练自己的数据，参考README文件，傻瓜式运行