文件名称：颜色分类leetcode-deepometry:成像流式细胞术的图像分类
文件大小：46KB
文件格式：ZIP
更新时间：2024-07-26 16:43:13
系统开源
颜色分类leetcode 深度测量 用于成像（流式）细胞术的基于深度学习的图像分类和特征化。 该工作流程最初是为流式细胞术数据成像而构建的，但可以很容易地适用于孤立单个物体的显微图像。 ResNet50 的修改实现允许研究人员使用任何图像帧大小和任何数量的颜色通道。 安装 可以找到完整的安装指南。 简而言之，需要以下依赖项： Python 3.6 Tensorflow-GPU 1.9.0 凯拉斯 2.1.5 麻木 1.18.1 Scipy 1.4.1 Keras-resnet 0.0.7 Java JDK 8.0 或 11.0 Python-bioformats 1.5.2 安装上述依赖项后，通过以下方式克隆此Deepometry存储库： git clone https://github.com/broadinstitute/deepometry.git cd deepometry pip install . 如果要在开发模式下安装deepometry ，请运行： pip install --editable .[development] 用 通过以下任一接口执行Deepometry功
【文件预览】：
deepometry-master
----deepometry()
--------commands()
--------utils.py(2KB)
--------model.py(9KB)
--------__init__.py(0B)
--------visualize.py(4KB)
--------image()
--------data()
--------resources()
--------parse.py(6KB)
--------command.py(931B)
----examples()
--------parse_TIF.ipynb(4KB)
--------evaluate.ipynb(6KB)
--------parse_CIF.ipynb(4KB)
--------visualize.ipynb(2KB)
--------fit.ipynb(6KB)
--------extract.ipynb(6KB)
----.travis.yml(199B)
----LICENSE(2KB)
----setup.py(2KB)
----README.md(2KB)
----docs()
--------source()
--------make.bat(1001B)
--------Makefile(786B)
----tests()
--------commands()
--------test_model.py(13KB)
--------__init__.py(0B)
--------test_parse.py(6KB)
----CONTRIBUTORS.md(386B)
----.gitignore(1KB)