红细胞图片目标检测
实验背景
该实验是基于四百张红细胞显微图,使用Transfer Learning(迁移学习)和Faster RCNN,在Azure数据科学虚拟机里利用预装的Keras和Tensorflow框架完成红细胞的检测。
实验环境
1. 虚拟机准备
创建Azure 数据科学虚拟机 在全球版Azure的管理门户上搜索Azure数据科学虚拟机(Data Science Virtual Machine),开始创建。注意选择Ubuntu系统,HDD磁盘类型,NC6型号虚拟机。创建成功后,通过Putty连接虚拟机。
训练环境配置 配置Keras默认后台为Tensorflow。也可以在/home//.keras里面找到keras.json文件。 如果使用Python环境运行代码,可以运行source activate py35,启动虚拟环境,也可以直接使用Python。
数据说明
数据里包含约四百张红细胞显微图片,以及对应的Pascal VOC格式的标注(xml),下载
参考来源
代码说明
pascal_voc_parser.py: 数据预处理,读取图片和其VOC格式(xml)的标注,转换成"path/image.jpg,x1,y1,x2,y2,class_name"这种格式。
train_frcnn.py: 模型训练。
get_data函数需要设置数据存储的路径(即dataset的路径)
通过epoch_length和num_epochs修改训练次数和每一次的训练长度。
代码里面没有设置validation set,只针对训练集。
test_frcnn.py: 测试模型。