文件名称：detection_task
文件大小：621KB
文件格式：ZIP
更新时间：2024-04-24 19:22:37
Python
detection_task 任务的主要目的是提供一种算法，该算法负责检测和识别X射线图像上的疾病。 最好使用计算机视觉中的此类任务来解决带有目标检测输出的CNN（卷积神经网络）的问题。 最初，我们有约900张X射线图像，其中随机95％的部分用于训练，另一部分用于测试。 此外，我将在两个部分的几个图像上提供示例。 如何估算通过我们的算法获得的检测质量？ 我们具有“联合上方的交集”（IoU）度量标准，该度量标准可用于评估边界框大小的准确性。 对于2个矩形（边界框），IoU等于： 对于训练部分IoU = 0.6，对于测试部分IoU = 0.35。 直方图如下所示。 如您在直方图上看到的，火车/测试阶段的某些对象未被识别，这是由于与测试相关的参数的手动调整不足而发生的。 但是图像上的物体相对较小，这样的结果向我们表明，对杂物的检测（大多数情况下）是准确的。 下面介绍了对数据集的训练和
【文件预览】：
detection_task-main
----scripts()
--------complete_data.py(1KB)
--------eval1.py(3KB)
--------convert_to_coco.py(3KB)
--------cal_iou.py(2KB)
--------comparison_draw.py(614B)
--------extract.py(822B)
--------train.py(3KB)
----README.md(4KB)
----metrics()
--------events.out.tfevents.1617492291.alex-Inspiron-15-7000-Gaming.19284.0(1.66MB)
--------metrics.json(1.03MB)