【Python】FCN+濾波器實(shí)現(xiàn)細(xì)胞檢測(cè)

猿友 2018-08-07 17:46:29 瀏覽數(shù) (5147)

反饋

本文轉(zhuǎn)載至知乎ID：Charles（白露未晞）知乎個(gè)人專(zhuān)欄

下載W3Cschool手機(jī)App，0基礎(chǔ)隨時(shí)隨地學(xué)編程>>戳此了解

導(dǎo)語(yǔ)

Hi~~~

“浮云一別后，流水十年間?！泵γβ德抵邪l(fā)現(xiàn)又有多日沒(méi)有更新公眾號(hào)了，過(guò)來(lái)更一發(fā)~~~

【下個(gè)月再開(kāi)始推一些爬蟲(chóng)相關(guān)的內(nèi)容吧，這個(gè)月確實(shí)沒(méi)什么時(shí)間。】

利用全卷積網(wǎng)絡(luò)+濾波器實(shí)現(xiàn)細(xì)胞檢測(cè)。

讓我們愉快地開(kāi)始吧！

開(kāi)發(fā)工具

Python版本：3.6.4

相關(guān)模塊：

numpy模塊；

PIL模塊；

scipy模塊；

TensorFlow-GPU模塊；

tensorlayer模塊；

matplotlib模塊；

以及一些Python自帶的模塊。

TensorFlow-GPU版本：

1.6.0

測(cè)試平臺(tái)：

Windows10

環(huán)境搭建

安裝Python并添加到環(huán)境變量，pip安裝需要的相關(guān)模塊即可。

其中，TensorFlow-GPU的環(huán)境搭建請(qǐng)自行參考相關(guān)的網(wǎng)絡(luò)教程，注意版本和驅(qū)動(dòng)嚴(yán)格對(duì)應(yīng)即可。

原理簡(jiǎn)介

利用簡(jiǎn)單的全卷積網(wǎng)絡(luò)+高斯和統(tǒng)計(jì)排序?yàn)V波器實(shí)現(xiàn)的細(xì)胞檢測(cè)算法。

其中全卷積網(wǎng)絡(luò)的結(jié)構(gòu)為：

訓(xùn)練集包含6種類(lèi)型的細(xì)胞圖像：

（依據(jù)其中心進(jìn)行分類(lèi)）

（1）細(xì)胞重疊：

（2）非目標(biāo)細(xì)胞：

（3）細(xì)胞邊緣

（4）細(xì)胞間隙：

（5）背景：

（6）細(xì)胞中心點(diǎn)：

T_T相信聰明的小伙伴已經(jīng)猜到了：

我們采用的細(xì)胞檢測(cè)算法其實(shí)就是利用滑動(dòng)窗口遍歷給定的圖像，把每個(gè)窗口的圖像感受野輸入到訓(xùn)練好的網(wǎng)絡(luò)，判斷該窗口的中心是否為細(xì)胞中心，若是則標(biāo)出。該思想類(lèi)似于RCNN，不過(guò)我們對(duì)檢測(cè)結(jié)果加了濾波器來(lái)提高其精度。

至于具體實(shí)現(xiàn)過(guò)程，詳見(jiàn)相關(guān)文件中的源代碼。

使用演示

模型訓(xùn)練：

在cmd窗口運(yùn)行train.py文件即可。

相關(guān)文件中提供了原始數(shù)據(jù)集和轉(zhuǎn)為tfrecords格式的數(shù)據(jù)集。訓(xùn)練只需使用tfrecords格式的數(shù)據(jù)集即可。若想自己生成，則將下圖中的注釋去掉，并將該函數(shù)中的原始數(shù)據(jù)集路徑修改為你自己的數(shù)據(jù)集路徑：