没有合适的资源?快使用搜索试试~ 我知道了~
melanoma-seg-classification
共24个文件
png:9个
py:8个
ipynb:4个
需积分: 14 0 下载量 52 浏览量
2021-03-29
16:19:39
上传
评论
收藏 949KB ZIP 举报
温馨提示
使用级联卷积神经网络对黑素瘤进行分类 :yo-yo: 一般信息 该存储库包含用于训练,比较和评估两种类型的模型的代码: 分割模型:产生蒙版,表示人类皮肤上的胎记 分类模型:产生标签,无论输入图像包含简单的胎记还是黑色素瘤癌标记 分别对模型进行训练,然后在级联管道中进行组合。 接下来是使用两种模型的原理: 第一个模型提供胎记的二进制分割,并产生一个表示该胎记的蒙版。 将遮罩应用于输入图像允许我们仅在系统中进一步传播有用的信号。 分类模型是在蒙版图像上训练的,因此它希望将此类图像作为输入。 使用蒙版图像会使模型更容易提供准确的结果,因为它仅集中在胎记上而不集中在胎记周围的皮肤上。 数据集 原始数据集由国际皮肤影像协作组织(ISIC)提供。 它拥有超过20,000张胎记图像,并带有分割蒙版和元数据(恶性或良性以及其他信息)。 提供预处理的数据集(中心裁剪仅将胎记作为数据集中的大多数,并省略了皮肤的平
资源推荐
资源详情
资源评论
收起资源包目录
melanoma-seg-classification-main.zip (24个子文件)
melanoma-seg-classification-main
outputs
286_db693619-e494-42dd-9b62-f3507b7d7ad8.png 124KB
1281_188e20ad-c60b-4a2b-82bc-324705ecc8aa.png 132KB
1235_4a0b98d1-c8f6-4b14-99ed-e8835e42386b.png 109KB
1246_5d4c91c9-88a6-4180-911b-bac7de1ed118.png 115KB
.ipynb_checkpoints
1235_4a0b98d1-c8f6-4b14-99ed-e8835e42386b-checkpoint.png 109KB
1281_188e20ad-c60b-4a2b-82bc-324705ecc8aa-checkpoint.png 132KB
1246_5d4c91c9-88a6-4180-911b-bac7de1ed118-checkpoint.png 115KB
955_d572abb3-56c1-4039-b761-6674d13b1297-checkpoint.png 51KB
955_d572abb3-56c1-4039-b761-6674d13b1297.png 51KB
requirements.txt 95B
.gitignore 19B
README.md 4KB
scripts
constants.py 471B
seg_inference_pipeline.py 4KB
classification_train_pipeline.py 3KB
seg_train_pipeline.py 3KB
cls_train_utils.py 7KB
metrics.py 3KB
data_loader.py 6KB
seg_train_utils.py 7KB
notebooks
data_pipeline.ipynb 4KB
classification_inference_pipeline.ipynb 6KB
segmentation_and_classification_full_v1.ipynb 8KB
segmentation_inference_pipeline.ipynb 6KB
共 24 条
- 1
资源评论
信徒阿布
- 粉丝: 42
- 资源: 4576
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- IP网络的仿真及实验.doc
- 学习路之uniapp-goEasy入门
- 多边形框架物体检测26-YOLO(v5至v11)、COCO数据集合集.rar
- 基于Python和OpenCV的人脸识别签到系统的开发与应用
- course_s2_ALINX_ZYNQ_MPSoC开发平台Vitis应用教程V1.01.pdf
- 基于51单片机开发板设计的六位密码锁
- course_s5_linux应用程序开发篇.pdf
- course_s4_ALINX_ZYNQ_MPSoC开发平台Linux驱动教程V1.04.pdf
- course_s0_Xilinx开发环境安装教程.pdf
- 多边形框架物体检测20-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功