颜色分类leetcode-ICIAR2018:我们为ICIAR2018大挑战提供的解决方案

颜色分类leetcode ICIAR 2018 大挑战 我们的解决方案。 在这项工作中，我们提出了一种简单有效的方法，用于在非常小的训练数据（几百个样本）的情况下对 H&E 染色的组织学乳腺癌图像进行分类。 为了提高分类器的鲁棒性，我们使用在 ImageNet 上预训练的公开可用 CNN 以不同尺度提取的强数据增强和深度卷积特征。 最重要的是，我们应用了梯度提升算法的高度准确且易于过度拟合的实现。 与之前的一些工作不同，我们故意避免在如此大量的数据上训练神经网络，以防止次优泛化。 内容 , , , Rakhlin, A.、Shvets, A.、Iglovikov, V.、Kalinin, A.：用于乳腺癌组织学图像分析的深度卷积神经网络。 arXiv:1802.00752 [cs.CV], 如果您发现这项工作对您的出版物有用，请考虑引用： @article{rakhlin2018deep, title={Deep Convolutional Neural Networks for Breast Cancer Histology Image Analysis}, author={Rakh