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：2024-05-28 08:36:19
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)