秒答网

 找回密码
 注册秒答

QQ登录

只需一步,快速开始

搜索
热搜: 价格查询
查看: 373|回复: 2
收起左侧

[3k以上] 3000,CNN图像特征识别分类

[复制链接]

10万

智力

4286

体力

11万

品德

管理员

博士

Rank: 9Rank: 9Rank: 9

QQ
合作共赢 发表于 2019-8-4 20:34:39 | 显示全部楼层 |阅读模式
内窥镜医学图像处理 AI辅助识别和分类IPCL
训练和测试的样本都已经分好类
用python构建CNN或者resnet50,VGG来对这几类进行训练,识别,分类。
把Type 1, Type 2, Type 3分为Group1,Type 4分为Group2, Type 5 分为Group3,切出来的无内容图像为Group4(Noise)
模型的鲁棒性要强,Validation准确率最好可以在80%以上
重点!
做测试的时候要把大图切成9张小图,每张小图做测试得到label,然后投票得到大图的label,比如9张小图其中5张为group1,2张为group2,2张为group3那么大图的label为Group1. 如果一张小图的最高概率得到为Group4,就不考虑这张小图,即Group4的数量一直为0.

IPCL主要分为五种类型,type 1, type 2, type 3属于安全情况,type 4需要注意了,type 5 属于癌症病患。
首先是对图像数据集进行处理。包括去除黑边,去除高光和反光部分,感兴趣区域提取,特征区域剪裁,对样本进行扩充(做训练的数据集越多越好,所以希望可以在处理后对图像剪裁和拼接来扩充数据集)。
对图像进行去除黑边,去除高光和反光后进行感兴趣区域提取(特征较多的区域)效果如下图所示:


来自tim,幸运丰。。
或是像这样:

回复 来自安卓客户端来自安卓客户端

使用道具 举报

10万

智力

4286

体力

11万

品德

管理员

博士

Rank: 9Rank: 9Rank: 9

QQ
 楼主| 合作共赢 发表于 2019-8-4 21:48:02 | 显示全部楼层
fit
回复 来自安卓客户端来自安卓客户端

使用道具 举报

10万

智力

4286

体力

11万

品德

管理员

博士

Rank: 9Rank: 9Rank: 9

QQ
 楼主| 合作共赢 发表于 2019-8-4 21:48:04 | 显示全部楼层
乔治python mathlab
回复 来自安卓客户端来自安卓客户端

使用道具 举报

您需要登录后才可以回帖 登录 | 注册秒答

本版积分规则

QQ|地图|秒答网 粤ICP备15056337号

GMT+8, 2019-12-9 19:23

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表