将UNet用于肺部影像语义分割，数据源于Kaggle:https://www.kaggle.com/kmader/finding-lungs-in-ct-data ，该影像及其label均为单通道，大小512*512，实验中对于label图像进行了处理，将255变为了1，并分为训练集、测试集、验证集（187、53、27张）
CUDA10.1、python3.6、pytorch1.1.0、GPU:2080Ti*1
常用库如pillow、numpy、opencv等请自行安装
1.在lung-CT文件夹里面的download.txt下载处理好的图片
2.python3 main.py
在训练时会创建一个log日志保存在logs文件里面，记录训练集和测试集的IOU和Acc
1.如果没有进行过前面的train，在saved文件夹里面的download.txt下载训练好的模型
2.python3 predict.py
预测结束后会生成一个predict文件夹，里面会存放模型输出的分割图，vis文件夹下面的为可视化版本（肺部灰度值为255），mask文件夹为原始输出（肺部灰度值为1）
基本参数如epoch，batch_size，lr，decay在train_config.json里面调参
1.修改train_config.json和predict_config.json里面的路径变为自己的数据路径
2.如果输入图片为三通道，修改model/unet.py的UNet class的inchannels为3，并在predict.py里面修改Img_channel=3
3.如图片大小不是512*512，请在predict.py里面修改Height,Width