文件名称：matlab线条标记的代码-PixelClassification:GUI以像素分类分割对象
文件大小：81.6MB
文件格式：ZIP
更新时间：2024-06-16 05:46:50
系统开源
matlab线条标记的代码此代码与 系统水平的研究揭示了人类细胞中无膜细胞器的调节剂 由Doris Berchtold，Nico Battich和Lucas Pelkmans撰写。 发表于Molecular Cell：2018年11月29日。DOI： 依存关系 ClassifyPixels.m及其支持功能已在Windows和MATLAB 2014a上进行了测试。 数据集示例 该示例数据集包括10个拼接斑点图像的未干扰细胞图像，这些图像已被针对SRRM2的抗体染色（在TIFF中），一个测量文件，用于校正这些图像的照明不均，以及细胞和细胞核的分割（在SEGMENTATION中）。 为了进行比较，文件夹segmented_splicing_speckles包含通过屏幕上训练的模型获得的拼接斑点的分段。 如何使用ClassifyPixels GUI训练细分模型并将其应用于示例数据集 在Windows计算机上启动MATLAB 2014a 将文件夹PixelClassification添加到您的MATLAB路径 打开CreateSettingsFile.m并运行 通过在MATLAB命令行中键入Cl
【文件预览】：
PixelClassification-master
----CreateSettingsFile.m(2KB)
----+pccore()
--------classify_image.m(6KB)
--------smooth_scores.m(620B)
--------svm_train.m(5KB)
--------svm_ensemble_predict.m(188B)
--------svm_ensemble_train.m(877B)
--------basic_classification.m(3KB)
----iCON.png(9KB)
----ClassifyPixels.fig(16KB)
----LICENSE(1KB)
----run_pix_class.m(3KB)
----README.md(8KB)
----ClassifyPixels.m(44KB)
----ExampleDataSet()
--------SEGMENTATION()
--------segmented_splicing_speckles()
--------TIFF()
----+pcsf()
--------GeneratePixelFeatures.m(16KB)
--------getImageSection.m(372B)
--------getImageSection2.m(113B)
--------svm_optimize_weights.m(673B)
--------getFeatureSection2.m(210B)
--------getFeatureSection.m(477B)
--------getPreImageSection.m(468B)
--------compute_distance_features.m(2KB)
----run_pixel_classification_example.m(1KB)