返回模型
说明文档
该模型由一个 SMP-UNet 组成，于 2023 年 12 月在 GelGenie 训练数据集上训练完成。它具有很高的鲁棒性，对于各种凝胶类型和分辨率都能产生良好的结果。这是主要模型，应该作为任何新凝胶分析的首要参考。
该模型在训练集（420 张图像）上训练了 600 个 epoch，并根据验证集 Dice 分数提取出最佳检查点。
有关训练配置的更多详细信息，请访问 https://huggingface.co/mattaq/GelGenie-Universal-Dec-2023 并查看 config.toml 文件。我们的代码库完全开源，可在此处获取：https://github.com/mattaq31/GelGenie。
该模型的 BioImage.IO 版本也可在此处下载。
mattaq/GelGenie-Universal-Dec-2023
作者 mattaq
image-segmentation
pytorch
↓ 0
♥ 0
创建时间: 2023-12-24 15:17:57+00:00
更新时间: 2025-01-14 04:18:39+00:00
在 Hugging Face 上查看文件 (19)
.gitattributes
README.md
checkpoints/checkpoint_epoch_579.pth
config.toml
gelgenie_universal_model_bioimageio.zip
model_structure.txt
model_summary.txt
onnx_checkpoints/unet_dec_21_epoch_579.onnx
ONNX
onnx_checkpoints/unet_dec_21_epoch_579_fixed_dim_1024.onnx
ONNX
segmentation_samples/sample_epoch_579_24.pdf
segmentation_samples/sample_epoch_579_33.pdf
segmentation_samples/sample_epoch_579_9.pdf
segmentation_samples/sample_epoch_600_24.pdf
segmentation_samples/sample_epoch_600_33.pdf
segmentation_samples/sample_epoch_600_9.pdf
time_log.txt
torchscript_checkpoints/unet_dec_21_epoch_579.pt
training_logs/metric_plots.pdf
training_logs/training_stats.csv