【文件属性】:
文件名称:kaggle-dsb2018:Kaggle数据科学碗2018
文件大小:48KB
文件格式:ZIP
更新时间:2021-05-08 14:49:39
Python
简而言之
另请参阅此处的帖子
新手的解决方案-第一次是Kagglers(LB = 0.545)
我是@CPMP的队友+同事。 由于我们大多数人都是第一次Kagglers,我们实现了一个非常简单的U-net,该网络取自@KjetilÅmdal-Sævik的U-net入门者,任何像我们这样的DL新手都可以做到。
模型
除两个输出通道外,与U-net起动器相同:具有binary cross entropy loss masks和contours
前处理
CLAHE(对比度受限的自适应直方图均衡)
仅L通道
仅在背景比前景浅时反转
参考: :
目的是使U-net易于学习其共同功能。
基于颜色的K均值聚类
在火车/测试图像上使用R, G, RG deviation K均值聚类。 正如@Heng所建议的,如果我们一起训练灰度和彩色图像,它们的共同特征是形状/边界,因此神经网络很难学习
【文件预览】:
kaggle-dsb2018-master
----src()
--------schwaebische_nuclei.py(41KB)
--------modules()
----LICENSE(11KB)
----environment.yml(2KB)
----README.md(8KB)
----environment_ubuntu.yml(2KB)
----.gitignore(43B)