文件名称：颜色分类leetcode-ICIAR2018:我们为ICIAR2018大挑战提供的解决方案
文件大小：4.64MB
文件格式：ZIP
更新时间：2024-07-26 15:09:45
系统开源
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
【文件预览】：
ICIAR2018-master
----.gitignore(1KB)
----train_lgbm.py(11KB)
----threaded_generator.py(996B)
----data()
--------folds-10.pkl(158KB)
--------roc_scores.pkl(8KB)
--------elephant.jpg(164KB)
--------train()
--------conf_mx.pkl(5KB)
--------test()
----crossvalidate_blending.py(9KB)
----LICENSE(1KB)
----submission.py(2KB)
----models.py(3KB)
----utils.py(3KB)
----README.rst(11KB)
----feature_extractor.py(11KB)
----submission()
--------crossvalidation.csv(7KB)
--------submission.csv(2KB)
----download_models.py(6KB)
----pics()
--------pipeline.png(401KB)
--------cm_roc.png(74KB)
--------AUC_.png(14KB)
--------conf.png(15KB)
--------classes_horizontal.png(448KB)
--------roc_conf.png(65KB)
--------ICIAR2018_paper.pdf(3.26MB)
--------nn_diagram.png(236KB)